


Ant Group の CodeFuse が「Picture to Generate Code」機能を開始、プログラマーの 50% 以上が AI を使用してコードを作成
Ant Group が自社開発したインテリジェントな研究開発プラットフォームである CodeFuse は 4 月 11 日、開発者が製品設計図面を使用してワンクリックでコードを生成できる新機能「図面からのコード生成」を開始し、開発効率を大幅に向上させました。フロントエンドページ。関連する機能は現在内部テスト中です。
多くのインターネット企業と同様に、Ant Group は AI プログラミングを全面的に推進しています。エンジニアの 50% 以上が CodeFuse を使用して日々の研究開発作業をサポートしており、これらのエンジニアが提出したコードの 10% は AI によって生成されています。
ガートナーは、2024 年に発表されたトップ 10 の戦略的テクノロジ トレンドで次のように指摘しました。2028 年までに、エンタープライズ ソフトウェア エンジニアの 75% が AI プログラミング アシスタントを使用するようになるでしょう。 CodeFuse は、この傾向の下での探求的な試みです。レポートによると、CodeFuse の機能は、需要分析、プログラミング開発、テストと構築、リリースと運用と保守、データの洞察などの研究開発リンク全体をカバーしており、たとえば、開発とテストの段階で、CodeFuse はコードを完成させ、コメントを追加することができます。 、コードを解析し、オーダーを生成します。テスト、コードの最適化などにより、開発者はコードをより速く簡単に作成できます。
現在、Ant 内では、プログラマーの 50% 以上が毎週、日々の研究開発で CodeFuse を使用しています。 CodeFuse によって生成されたコードの全体的な採用率は 30% で、単体テスト シナリオの生成における採用率は 50% に達する場合があります。
(写真キャプション: Ant インテリジェント R&D プラットフォーム CodeFuse が AI R&D リンク全体をカバー)
今回リリースされた「グラフ生成コード」機能は主にフロント向けに提供されますエンドエンジニア。インターネット製品の開発プロセスでは、デザイナーが設計図を描いた後、フロントエンドエンジニアがコードを使って製品の設計図を実装する作業が必要となり、開発工数が多くかかります。図面生成コードは、設計図面に基づいてワンクリックでコードを生成できるため、Web ページ、小規模プログラム、APP を開発する際の開発チームのコーディング作業負荷を大幅に軽減できます。中規模のWebページを例に挙げると、最終コードが200行程度の場合、1人で1時間程度かかりますが、ワンクリック生成後はエンジニアは確認と調整を行うだけで済み、時間を大幅に短縮できます。この機能は、Ant Bailing 大型モデルのマルチモーダル技術力に基づいて開発されています。
CodeFuse チームは、AI の普及により、開発者の仕事のプレッシャーが軽減され、より創造的な作業により多くのエネルギーを注げるようになるだけでなく、プログラミングの敷居を下げ、ソフトウェアの普及を促進するという点でも大きな意味があると指摘しました。開発業界におけるイノベーションと進歩。 CodeFuse の使命は、次世代の AI 研究開発生産性ツールを探索することであり、ソフトウェア開発者の開発プロセスを絹のようにスムーズにする革新的なソリューションの作成に取り組んでいます。 CodeFuse は、自然言語からコードを生成し、グラフからコードを生成した後も、企業の研究開発リンク全体の効率向上を支援する新しい機能をリリースし続けます。
担当者は、AI 研究開発パラダイムの変化は、もはや研究開発シナリオにおける「人」の役割がなくなることを意味するものではなく、AI と人がどのように連携できるかについてより高い要件を提示していると考えています。特に柔軟性と信頼性の高い運用およびメンテナンスのシナリオに関しては、協力する必要がありますが、システムを健全に稼働させるには専門家の手動による介入も必要です。 「現在、AI は主に補助プログラミング (コード副操縦士) に焦点を当てています。副操縦士から副操縦士に移行し、研究開発ライフサイクル全体のインテリジェンスと自動化を実現するには、まだ長い道のりがあります。」
以上がAnt Group の CodeFuse が「Picture to Generate Code」機能を開始、プログラマーの 50% 以上が AI を使用してコードを作成の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック











これも Tusheng のビデオですが、PaintsUndo は別の道を歩んでいます。 ControlNet 作者 LvminZhang が再び生き始めました!今回は絵画の分野を目指します。新しいプロジェクト PaintsUndo は、開始されて間もなく 1.4kstar を獲得しました (まだ異常なほど上昇しています)。プロジェクトアドレス: https://github.com/lllyasviel/Paints-UNDO このプロジェクトを通じて、ユーザーが静止画像を入力すると、PaintsUndo が線画から完成品までのペイントプロセス全体のビデオを自動的に生成するのに役立ちます。 。描画プロセス中の線の変化は驚くべきもので、最終的なビデオ結果は元の画像と非常によく似ています。完成した描画を見てみましょう。

AIxivコラムは、当サイトが学術的・技術的な内容を掲載するコラムです。過去数年間で、このサイトの AIxiv コラムには 2,000 件を超えるレポートが寄せられ、世界中の主要な大学や企業のトップ研究室がカバーされ、学術交流と普及を効果的に促進しています。共有したい優れた作品がある場合は、お気軽に寄稿するか、報告のために当社までご連絡ください。提出電子メール: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com この論文の著者は全員、イリノイ大学アーバナ シャンペーン校 (UIUC) の Zhang Lingming 教師のチームのメンバーです。博士課程4年、研究者

AIxivコラムは、当サイトが学術的・技術的な内容を掲載するコラムです。過去数年間で、このサイトの AIxiv コラムには 2,000 件を超えるレポートが寄せられ、世界中の主要な大学や企業のトップ研究室がカバーされ、学術交流と普及を効果的に促進しています。共有したい優れた作品がある場合は、お気軽に寄稿するか、報告のために当社までご連絡ください。提出メール: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 人工知能の開発プロセスにおいて、大規模言語モデル (LLM) の制御とガイダンスは常に中心的な課題の 1 つであり、これらのモデルが両方とも確実に機能することを目指しています。強力かつ安全に人類社会に貢献します。初期の取り組みは人間のフィードバックによる強化学習手法に焦点を当てていました (RL

AIモデルによって与えられた答えがまったく理解できない場合、あなたはそれをあえて使用しますか?機械学習システムがより重要な分野で使用されるにつれて、なぜその出力を信頼できるのか、またどのような場合に信頼してはいけないのかを実証することがますます重要になっています。複雑なシステムの出力に対する信頼を得る方法の 1 つは、人間または他の信頼できるシステムが読み取れる、つまり、考えられるエラーが発生する可能性がある点まで完全に理解できる、その出力の解釈を生成することをシステムに要求することです。見つかった。たとえば、司法制度に対する信頼を築くために、裁判所に対し、決定を説明し裏付ける明確で読みやすい書面による意見を提供することを求めています。大規模な言語モデルの場合も、同様のアプローチを採用できます。ただし、このアプローチを採用する場合は、言語モデルが

乾杯!紙面でのディスカッションが言葉だけになると、どんな感じになるでしょうか?最近、スタンフォード大学の学生が、arXiv 論文のオープン ディスカッション フォーラムである alphaXiv を作成しました。このフォーラムでは、arXiv 論文に直接質問やコメントを投稿できます。 Web サイトのリンク: https://alphaxiv.org/ 実際、URL の arXiv を alphaXiv に変更するだけで、alphaXiv フォーラムの対応する論文を直接開くことができます。この Web サイトにアクセスする必要はありません。その中の段落を正確に見つけることができます。論文、文: 右側のディスカッション エリアでは、ユーザーは論文のアイデアや詳細について著者に尋ねる質問を投稿できます。たとえば、次のような論文の内容についてコメントすることもできます。

最近、2000年代の7大問題の一つとして知られるリーマン予想が新たなブレークスルーを達成した。リーマン予想は、数学における非常に重要な未解決の問題であり、素数の分布の正確な性質に関連しています (素数とは、1 とそれ自身でのみ割り切れる数であり、整数論において基本的な役割を果たします)。今日の数学文献には、リーマン予想 (またはその一般化された形式) の確立に基づいた 1,000 を超える数学的命題があります。言い換えれば、リーマン予想とその一般化された形式が証明されれば、これらの 1,000 を超える命題が定理として確立され、数学の分野に重大な影響を与えることになります。これらの命題の一部も有効性を失います。 MIT数学教授ラリー・ガスとオックスフォード大学から新たな進歩がもたらされる

AIxivコラムは、当サイトが学術的・技術的な内容を掲載するコラムです。過去数年間で、このサイトの AIxiv コラムには 2,000 件を超えるレポートが寄せられ、世界中の主要な大学や企業のトップ研究室がカバーされ、学術交流と普及を効果的に促進しています。共有したい優れた作品がある場合は、お気軽に寄稿するか、報告のために当社までご連絡ください。提出電子メール: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com。はじめに 近年、さまざまな分野でマルチモーダル大規模言語モデル (MLLM) の適用が目覚ましい成功を収めています。ただし、多くの下流タスクの基本モデルとして、現在の MLLM はよく知られた Transformer ネットワークで構成されています。

LLM に因果連鎖を示すと、LLM は公理を学習します。 AI はすでに数学者や科学者の研究を支援しています。たとえば、有名な数学者のテレンス タオは、GPT などの AI ツールを活用した研究や探索の経験を繰り返し共有しています。 AI がこれらの分野で競争するには、強力で信頼性の高い因果推論能力が不可欠です。この記事で紹介する研究では、小さなグラフでの因果的推移性公理の実証でトレーニングされた Transformer モデルが、大きなグラフでの推移性公理に一般化できることがわかりました。言い換えれば、Transformer が単純な因果推論の実行を学習すると、より複雑な因果推論に使用できる可能性があります。チームが提案した公理的トレーニング フレームワークは、デモンストレーションのみで受動的データに基づいて因果推論を学習するための新しいパラダイムです。
