第4章 你来自哪？ (第2/2页)

这建立在AlphaCode从未真正对外开放过。
　　
　　DeepMind开源了训练和评估模型，发布了演示网站，外界能查看AlphaCode在具体编程问题上的生成解决方案、解释和可视化，却不能像使用ChatGPT那样输入一个新问题，让系统实时生成代码。
　　
　　不到两分钟，回复出现了。
　　
　　“AST距离捕捉的是程序如何被写出来。
　　
　　执行轨迹捕捉的是程序在采样输入上的行为。
　　
　　我说的是稍微不同的东西：推断是哪一类反例生成器杀死了哪些候选程序。
　　
　　如果两个程序需要同一种对抗性输入才会失败，那么即便它们的语法和普通执行轨迹不同，它们也属于同一个潜在解法家族。”
　　
　　伊戈尔端着咖啡回到桌前，想了想，又问：
　　
　　“这需要知道反例分布。在编程竞赛里，隐藏测试是不可见的。你怎么避免只是发明出一套带有自己偏差的基准测试？”
　　
　　这次Light_Chen没有马上回复。
　　
　　过了大约五分钟，他发来一段更长的回答。
　　
　　“我们只需要用一组根据题目描述和候选程序行为生成的探针。
　　
　　对每个候选程序，提取它隐含的假设，然后生成小规模的对抗性探针族，专门攻击这些假设。
　　
　　在最终过滤之前，估计候选解的多样性是否真实存在。如果80%的候选程序都死在同一类探针族上，那么就可以顺利掩盖一个已经坍缩的策略空间。”
　　
　　伊戈尔开始认真起来。
　　
　　他回复：“假设我们接受这个观点。那么指标应该长什么样？原始聚类数量？失败家族上的熵？还是别的什么？”
　　
　　“我会定义三个数字。
　　
　　原始采样数：生成了多少个程序。
　　
　　行为幸存数：有多少程序通过了可见测试或样例测试。
　　
　　语义有效样本量：在自适应探针下，还剩下多少个不同的失败吸引域。
　　
　　有用的比率增加语义有效样本量/原始采样数和语义有效样本量/行为幸存数。
　　
　　如果第一个比率很小，说明模型采样到的只是风格。
　　
　　如果第二个比率很小，说明过滤器选出来的只是同一个想法的不同变体。
　　
　　如果两个比率都会随着规模提高而提高，那么模型确实在学习真正的策略多样性。”
　　
　　伊戈尔靠在椅背上，仔细一想，卧槽大佬啊，对方给的策略有点可行性。
　　
　　他看出价值了，没有再继续在推特上继续和对方聊天，而是选择切换到推特私信里。
　　
　　先给Light_Chen点了个关注，然后接着问道：“你认为这是代码生成特有的问题，还是语言模型的一般性限制？”
　　
　　“一般性限制，但代码把它暴露出来。”
　　
　　“在语言里，表面多样性甚至更具有欺骗性。十个答案看起来可以完全不同，却共享同一个隐藏框架。”
　　
　　“代码有用，是因为失败可以被运行给判断出来。”
　　
　　“如果我们能做到如何在代码里测量坍缩的策略空间，就能得到一种更广泛诊断推理系统的方法。”
　　
　　伊戈尔想了想，问了个有点尖锐的问题：“如果没有AlphaCode的内部访问权限，你怎么测试这一点？”
　　
　　他想看看对方能不能在没有AlphaCode的内部权限的情况下设计出近似验证方法。
　　
　　过了一会儿，Light_Chen回复：
　　
　　“使用演示题目里的公开样例足够做一次合理性检查。”
　　
　　“选择那些演示中展示了多个生成解法或解释的题目。”
　　
　　“手动重构解法家族。”
　　
　　“围绕可能的不变量生成对抗性变体。”
　　
　　“比较这些不同的解法是否会一起失败。”
　　
　　“哪怕只有5到10个例子，也足以判断这个测量方法是否值得放大。”
　　
　　伊戈尔内心已经在为对方鼓掌了。
　　
　　“你在OpenAI工作，还是微软？或者META的人工智能实验室？”
　　
　　他已经冒出想要挖人的想法了。
　　
　　21世纪什么最重要？当然是人才最重要。
　　
　　自己有可能要为马斯克工作，一个人孤掌难鸣，那么带越多的人一起去越好。
　　
　　开除一个人太容易了，开除一群人有点难。
　　
　　这也是为什么，在硅谷，印度人在抱团，华国人也在抱团，大家都在抱团。
　　
　　来了一个就来两，来了两个就来一串。
　　
　　你想开除我，先掂量掂量，我们走了，你的业务还能不能运转。
　　
　　“我还在上学。”
　　
　　“哦，斯坦福还是MIT？”
　　
　　“江城大学。”