【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验

Self-collaboration Code Generation via ChatGPT

  • 写在最前面
    • 朋友分享的收获与启发
    • 课堂讨论
      • 代码生成如何协作,是一种方法吗
      • 思路相同
      • 交互实用性
  • 代码生成与自协作框架 摘要
  • 相关工作
    • PPT学习
    • 大语言模型在代码生成方向
    • 提高生成的代码的准确性和质量:前期、后期处理
    • 将团队协作理论应用于代码生成的研究
  • 成果和贡献
  • 自协作框架原理
    • 1、DOL任务分配
    • 2、共享黑板协作
    • 3、Instance实例化
    • 案例说明
      • 简单任务:基本操作
      • 复杂任务:游戏开发
  • 实验
    • 设置
    • 数据集
      • 1)MBPP(sanitized version) [Austin et al., 2021]
      • 2)HumanEval [Chen et al., 2021]
      • 3)MBPP-ET
      • 4)HumanEval-ET
    • 实验结果1:与其他代码生成方法比较
    • 实验结果2:评估不同角色的影响
    • 实验结果3:评估有无角色的影响
    • 实验结果4:评估交互次数的影响
  • 结论与展望
    • 优势
    • 问题
    • 有价值的探索方向
  • 课堂讨论
    • 代码生成如何协作,是一种方法吗
    • 思路相同
    • 交互实用性

写在最前面

Yihong Dong∗, Xue Jiang∗, Zhi Jin†, Ge Li† (Peking University)
arXiv May 2023

arXiv 2023.4.15
https://arxiv.org/pdf/2304.07590.pdf

一位不愿意透露姓名的朋友分享了Self-collaboration Code Generation via ChatGPT《基于ChatGPT的自协作代码生成》
这篇论文是chatgpt的黑盒api调用,因此没有关于模型的微调等操作,更多的是提示工程的框架设计(后面同学提到,和思维链的工作有相通之处)
同时,由于是大模型,因此是零样本和少样本学习
如果之后有类似的idea,或许可以尝试模仿论文中的图设计、消融实验

朋友讲解论文叙述框架性强,梳理论文的逻辑清晰
PPT也很清晰明了,很多值得学习的细节

朋友分享的收获与启发

1.框架性的idea也是一种方向,有时也可以带来显著的结果,在AI领域不止有提升算法的思路。
2.实现这种idea也需要严谨完整的推理和验证,将high-level的想法落到细节
3.作者的结论里说明了自协作架构还是要结合人类程序员的指导,避免系统脱离需求,这说明ChatGPT暂时还不能完全自主地工作

课堂讨论

框架性idea
实现idea,需要严谨完整的推理和验证

代码生成如何协作,是一种方法吗

漏洞检测帮助这个框架,这个框架本身首先需要能检测出漏洞,才能去辅助漏洞检测

思路相同

思维链(2022),分步骤
三个人员可以用一个提示来完成

交互实用性

运行时间上
将全部都用chatgpt,写代码换成codeX

代码生成与自协作框架 摘要

目的: 代码生成旨在生成符合特定规范、满足人类需求的代码,以提高软件开发效率和质量,甚至推动生产模式的转变。

创新点: 本研究提出了一种自协作框架,使大型语言模型(LLM,例如ChatGPT)能够应对复杂的代码生成任务。

方法: 该框架首先为三个不同角色的大型语言模型分配任务,包括分析员(analyst,负责需求分析)、程序员(coder,负责编写代码)、测试员(tester,负责检验效果),然后通过软件开发方法(SDM)规定了这些角色之间的交互方式。

结果: 通过所提出的自协作框架,相较于ChatGPT3.5,实验结果显示在四种不同基准测试中,Pass@1的性能提高了29.9%至47.1%。

【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第1张图片

相关工作

PPT学习

【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第2张图片

大语言模型在代码生成方向

自2021至现在,有许多团队证实了LLM在代码生成领域的潜力
[Chen et al., 2021, Shen et al., 2022, Li et al., 2022, Dong et al., 2023a,Nijkamp et al., 2022, Fried et al., 2022, Zheng et al., 2023]

  • 仍然存在的挑战
    在复杂任务上正确地生成代码
  • 解决方法
    团队培训方法:团队合作理论+软件工程实践
  • 好处
    分解成子任务,高效,可控;
    加入错误检测和质量控制;
    保证与要求相符

提高生成的代码的准确性和质量:前期、后期处理

后期处理(post-processing)和先期处理(prior-processing)
post-processing:对多个候选人重新排序,选出最正确的方案
CodeT[Chen et al., 2021]和Coder-Reviewer[Zhang et al.,2022]
问题:引入了额外的计算成本用于测试用例生成
post-processing:引导LLM进行rubber duck debugging
self-debugging[Chen et al.,2023]
问题:依赖于few-shot prompting,要求对于每个数据集专门生成一些提示例子,耗时耗力
prior-processing:在代码生成之前引入planning
self-planning[Jiang et al., 2023]
问题:并不完善

将团队协作理论应用于代码生成的研究

[Schick et al., 2022]

  • 原理:先训练不同模型执行对应子任务,然后用联合训练增强相互理解
  • 问题:这种训练方法非常costly;缺乏相关的训练数据
    改进

[Ouyang et al., 2022, Chung et al., 2022, OpenAI, 2023]

  • 原理:经过足够的训练让LLM在软件开发的各个阶段都可以出色地完成任务,方便后续分配;根据人类命令做出调整,开发模型交互的潜力
  • 问题:依赖于人类程序员的专业知识,依然耗时耗力

解决方法:本论文提出自协作框架,让ChatGPT形成团队

成果和贡献

提出LLM的自协作框架,以应对“在复杂任务上生成正确的代码”的挑战

根据SDM实例化初始团队,在software development环节分配三个角色负责不同stage

由GPT3.5组成的自协作虚拟团队在各种代码生成的基准测试上,性能超过了GPT-4

在现实场景下,自协作模式有效完成复杂任务

自协作框架原理

1、DOL任务分配

根据任务分配角色指令,然后将对应的任务传递给角色
【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第3张图片

2、共享黑板协作

不同角色间,将输出的信息共享

【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第4张图片

3、Instance实例化

3.Instance实例化
1)采用SDM中的经典瀑布模型 [Petersen et al., 2009],简化为三个阶段:分析、编码、测试。
2)分析员:生成一个高维的计划,着重指导程序员。程序员:根据分析员的计划写代码;根据测试员的测试报告修改代码。测试员:从功能性、可读性和可维护性评判程序员的代码
3)终止条件:达到最大交互次数n或者测试员报告没有错误

【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第5张图片

案例说明

简单任务:基本操作

1)分析员:分解任务
+制定high-level计划
2)程序员:按照计划生成对应代码
3)测试员:检验代码的功能性和边缘测试情况,反馈错误让程序员修改

【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第6张图片

复杂任务:游戏开发

未展示训练过程,仅说明结果
满足所有游戏逻辑,保障了精确的角色控制,设置正确的碰撞检测,必要的游戏资产加载和适当的图像缩放。此外,注意到了没有直接规定但是符合常识的游戏逻辑,比如炸弹掉落至底部后会被重置位置
单个LLM只能生成脚本的粗略草稿
【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第7张图片

实验

设置

【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第8张图片

数据集

四个基准测试(数据集)

1)MBPP(sanitized version) [Austin et al., 2021]

427个Python编程任务,属于调用标准库功能函数的基础代码生成任务
包含:自然语言描述+编程计划提示+3个测试用例

2)HumanEval [Chen et al., 2021]

164个编程任务
包含:自然语言描述+函数签名+函数主体+单元测试

3)MBPP-ET

4)HumanEval-ET

比原本的数据集多100余个测试,包含边缘案例

实验结果1:与其他代码生成方法比较

【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第9张图片

输入:自然语言+函数签名+公共的测试用例
分析:相较于GPT-3.5增长了29.9%-34.6%;在后两个数据集上表现更佳,证明自协作代码生成的可靠性。
原因可能为:成员多可以考虑更多边界条件处理常见bug

实验结果2:评估不同角色的影响

【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第10张图片

输入:自然语言
分析:在HumanEval基准测试上三角色团队效果最好,在MBPP基准测试上coder-tester团队表现最好,
原因是:MBPP的两个数据集任务较简单,不需要计划

实验结果3:评估有无角色的影响

【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第11张图片
few-shot prompting:每个阶段给予一些案例提示
zero-shot:给予指令删除角色,不给予提示
分析:角色指令的特定的上下文语境限制了LLM的生成空间,令其在场景约束下进行推理,生成与命令一致的结果。few-shot比zero-shot表现差的原因是有限的例子提示不能完全反映目标反而让LLM的理解产生偏差,此外提示太长阻碍了LLM的理解。

实验结果4:评估交互次数的影响

【网安大模型专题10.19】论文3:ChatGPT+自协作代码生成+角色扮演+消融实验_第12张图片
Maximum Interaction(MI)=0, 相当于只有coder
分析:大多数任务在两轮内就可以完成;轮数越大,效果越好,但是由于maximum token的限制只能做4轮交互

结论与展望

优势

自协作框架允许团队成员的数量被修改,以适应不同难度的代码生成任务
在通用人工智能(AGI)时代,也可以不受限制,创造新的软件开发模型和新角色组成的虚拟团队

问题

完全自主的系统,可能会脱离需求
有可能的解决方案:结合人类专家的指导监督虚拟团队的操作

有价值的探索方向

通过外部工具弥补LLM自身存在的局限,比如通过角色指令调动Toolformer [Schick et al., 2023]

课堂讨论

框架性idea
实现idea,需要严谨完整的推理和验证

代码生成如何协作,是一种方法吗

漏洞检测帮助这个框架,这个框架本身首先需要能检测出漏洞,才能去辅助漏洞检测

思路相同

思维链(2022),分步骤
三个人员可以用一个提示来完成

交互实用性

运行时间上
将全部都用chatgpt,写代码换成codeX

你可能感兴趣的:(网络安全,笔记,chatgpt,安全,论文阅读,nlp,ppt,语言模型,自然语言处理)