Ant Group의 CodeFuse, '코드 생성을 위한 그림' 기능 출시, 프로그래머의 50% 이상이 AI를 사용하여 코드 작성
4월 11일, Ant Group이 자체 개발한 지능형 R&D 플랫폼인 CodeFuse는 개발자가 제품 설계 도면을 사용하여 원클릭으로 코드를 생성할 수 있는 "그림 생성 코드"라는 새로운 기능을 출시하여 프런트엔드 개발 효율성을 크게 향상시켰습니다. 페이지. 관련 기능은 현재 내부 테스트 중입니다.
많은 인터넷 회사와 마찬가지로 Ant Group은 AI 프로그래밍을 적극적으로 홍보하고 있습니다. 엔지니어의 50% 이상이 CodeFuse를 사용하여 일상적인 연구 개발 작업을 지원하며, 이러한 엔지니어가 제출한 코드 중 10%가 AI에서 생성됩니다.
Gartner는 2024년에 발표된 상위 10가지 전략적 기술 동향에서 다음과 같이 지적했습니다. 2028년까지 엔터프라이즈 소프트웨어 엔지니어의 75%가 AI 프로그래밍 도우미를 사용할 것입니다. CodeFuse는 이러한 추세에 따른 탐색 시도입니다. 보고서에 따르면 CodeFuse의 기능은 수요 분석, 프로그래밍 개발, 테스트 및 구축, 출시, 운영 및 유지 관리, 데이터 통찰력 등 전체 R&D 링크를 포괄합니다. 예를 들어 개발 및 테스트 단계에서 CodeFuse는 코드를 완성하고 주석을 추가할 수 있습니다. , 코드 구문 분석, 주문 생성 테스트, 코드 최적화 등을 통해 개발자는 코드를 더 빠르고 쉽게 작성할 수 있습니다.
현재 Ant 내에서는 프로그래머의 50% 이상이 매주 일상적인 연구 개발에 CodeFuse를 사용하고 있습니다. CodeFuse에서 생성된 코드의 전체 채택률은 30%이며, 단위 테스트 시나리오 생성의 채택률은 50%에 도달할 수 있습니다.
(사진설명: Ant 지능형 R&D 플랫폼 CodeFuse가 AI R&D 링크 전체를 커버합니다.)
이번에 출시된 '그래프 생성 코드' 기능은 주로 프론트엔드 엔지니어를 대상으로 합니다. 인터넷 제품 개발 과정에서 디자이너가 디자인 도면을 그린 후 프런트 엔드 엔지니어는 코드를 사용하여 제품 디자인 도면을 구현해야 합니다. 이 작업은 많은 개발 작업량을 차지합니다. 도면 생성 코드는 설계 도면을 기반으로 한 번의 클릭으로 코드를 생성할 수 있어 웹페이지, 소형 프로그램, APP 개발 시 개발팀의 코딩 작업량을 크게 줄일 수 있습니다. 중간 규모의 웹 페이지를 예로 들면, 최종 코드가 200줄 이상이라면 한 사람이 원클릭 생성 후 확인하고 조정만 하면 되므로 시간이 크게 단축됩니다. . 이 기능은 Ant Bailing 대형 모델의 다중 모드 기술 역량을 기반으로 개발되었습니다.
CodeFuse 팀은 AI의 인기가 개발자의 업무 부담을 줄여 더 창의적인 작업에 더 많은 에너지를 쏟을 수 있을 뿐만 아니라 프로그래밍 임계값을 낮추고 소프트웨어 개발의 혁신을 촉진하는 데 더 큰 의미가 있다고 지적했습니다. 산업과 발전. CodeFuse의 사명은 차세대 AI R&D 생산성 도구를 탐색하는 것이며 소프트웨어 개발자의 개발 프로세스를 실크처럼 원활하게 만들기 위한 혁신적인 솔루션을 만드는 데 전념하고 있습니다. CodeFuse는 자연어에서 코드를 생성하고 그래프에서 코드를 생성한 후 기업이 전체 R&D 링크의 효율성을 향상시킬 수 있도록 새로운 기능을 계속 출시할 것입니다.
담당자는 AI R&D 패러다임의 변화가 더 이상 R&D 시나리오에서 '사람'의 역할이 사라지는 것을 의미하지 않으며, 특히 AI와 사람이 어떻게 협력할 수 있는지에 대해 더 높은 요구 사항을 제시한다고 믿습니다. 유연성과 신뢰성이 중요합니다. 시스템을 정상적으로 실행하려면 운영 및 유지 관리 시나리오에도 전문가의 수동 개입이 필요합니다. "AI는 현재 주로 보조 프로그래밍(코드 부조종사)에 중점을 두고 있습니다. 부조종사에서 동료로 옮겨 전체 R&D 라이프사이클의 지능화와 자동화를 실현하려면 아직 갈 길이 멀습니다."
위 내용은 Ant Group의 CodeFuse, '코드 생성을 위한 그림' 기능 출시, 프로그래머의 50% 이상이 AI를 사용하여 코드 작성의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!

핫 AI 도구

Undresser.AI Undress
사실적인 누드 사진을 만들기 위한 AI 기반 앱

AI Clothes Remover
사진에서 옷을 제거하는 온라인 AI 도구입니다.

Undress AI Tool
무료로 이미지를 벗다

Clothoff.io
AI 옷 제거제

AI Hentai Generator
AI Hentai를 무료로 생성하십시오.

인기 기사

뜨거운 도구

메모장++7.3.1
사용하기 쉬운 무료 코드 편집기

SublimeText3 중국어 버전
중국어 버전, 사용하기 매우 쉽습니다.

스튜디오 13.0.1 보내기
강력한 PHP 통합 개발 환경

드림위버 CS6
시각적 웹 개발 도구

SublimeText3 Mac 버전
신 수준의 코드 편집 소프트웨어(SublimeText3)

뜨거운 주제











역시 Tusheng 영상이지만 PaintsUndo는 다른 경로를 택했습니다. ControlNet 작성자 LvminZhang이 다시 살기 시작했습니다! 이번에는 회화 분야를 목표로 삼고 있습니다. 새로운 프로젝트인 PaintsUndo는 출시된 지 얼마 되지 않아 1.4kstar(여전히 상승세)를 받았습니다. 프로젝트 주소: https://github.com/lllyasviel/Paints-UNDO 이 프로젝트를 통해 사용자는 정적 이미지를 입력하고 PaintsUndo는 자동으로 라인 초안부터 완성품 따라가기까지 전체 페인팅 과정의 비디오를 생성하도록 도와줍니다. . 그리는 과정에서 선의 변화가 놀랍습니다. 최종 영상 결과는 원본 이미지와 매우 유사합니다. 완성된 그림을 살펴보겠습니다.

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 이 논문의 저자는 모두 일리노이 대학교 Urbana-Champaign(UIUC)의 Zhang Lingming 교사 팀 출신입니다. Steven Code Repair, 박사 4년차, 연구원

AI 모델이 내놓은 답변이 전혀 이해하기 어렵다면 감히 사용해 보시겠습니까? 기계 학습 시스템이 더 중요한 영역에서 사용됨에 따라 우리가 그 결과를 신뢰할 수 있는 이유와 신뢰할 수 없는 경우를 보여주는 것이 점점 더 중요해지고 있습니다. 복잡한 시스템의 출력에 대한 신뢰를 얻는 한 가지 가능한 방법은 시스템이 인간이나 다른 신뢰할 수 있는 시스템이 읽을 수 있는 출력 해석을 생성하도록 요구하는 것입니다. 즉, 가능한 오류가 발생할 수 있는 지점까지 완전히 이해할 수 있습니다. 설립하다. 예를 들어, 사법 시스템에 대한 신뢰를 구축하기 위해 우리는 법원이 자신의 결정을 설명하고 뒷받침하는 명확하고 읽기 쉬운 서면 의견을 제공하도록 요구합니다. 대규모 언어 모델의 경우 유사한 접근 방식을 채택할 수도 있습니다. 그러나 이 접근 방식을 사용할 때는 언어 모델이 다음을 생성하는지 확인하세요.

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 인공 지능 개발 과정에서 LLM(대형 언어 모델)의 제어 및 안내는 항상 핵심 과제 중 하나였으며 이러한 모델이 두 가지 모두를 보장하는 것을 목표로 했습니다. 강력하고 안전하게 인간 사회에 봉사합니다. 인간 피드백(RL)을 통한 강화 학습 방법에 초점을 맞춘 초기 노력

건배! 종이 토론이 말로만 진행된다면 어떤가요? 최근 스탠포드 대학교 학생들은 arXiv 논문에 대한 질문과 의견을 직접 게시할 수 있는 arXiv 논문에 대한 공개 토론 포럼인 alphaXiv를 만들었습니다. 웹사이트 링크: https://alphaxiv.org/ 실제로 이 웹사이트를 특별히 방문할 필요는 없습니다. URL에서 arXiv를 alphaXiv로 변경하면 alphaXiv 포럼에서 해당 논문을 바로 열 수 있습니다. 논문, 문장: 오른쪽 토론 영역에서 사용자는 저자에게 논문의 아이디어와 세부 사항에 대해 질문하는 질문을 게시할 수 있습니다. 예를 들어 다음과 같이 논문 내용에 대해 의견을 제시할 수도 있습니다.

최근 새천년 7대 과제 중 하나로 알려진 리만 가설이 새로운 돌파구를 마련했다. 리만 가설은 소수 분포의 정확한 특성과 관련된 수학에서 매우 중요한 미해결 문제입니다(소수는 1과 자기 자신으로만 나눌 수 있는 숫자이며 정수 이론에서 근본적인 역할을 합니다). 오늘날의 수학 문헌에는 리만 가설(또는 일반화된 형식)의 확립에 기초한 수학적 명제가 천 개가 넘습니다. 즉, 리만 가설과 그 일반화된 형식이 입증되면 천 개가 넘는 명제가 정리로 확립되어 수학 분야에 지대한 영향을 미칠 것이며, 리만 가설이 틀린 것으로 입증된다면, 이러한 제안의 일부도 그 효과를 잃을 것입니다. MIT 수학 교수 Larry Guth와 Oxford University의 새로운 돌파구

LLM에 인과관계 사슬을 보여주면 공리를 학습합니다. AI는 이미 수학자 및 과학자의 연구 수행을 돕고 있습니다. 예를 들어, 유명한 수학자 Terence Tao는 GPT와 같은 AI 도구의 도움을 받아 자신의 연구 및 탐색 경험을 반복적으로 공유했습니다. AI가 이러한 분야에서 경쟁하려면 강력하고 신뢰할 수 있는 인과관계 추론 능력이 필수적입니다. 본 논문에서 소개할 연구에서는 작은 그래프의 인과 전이성 공리 시연을 위해 훈련된 Transformer 모델이 큰 그래프의 전이 공리로 일반화될 수 있음을 발견했습니다. 즉, Transformer가 단순한 인과 추론을 수행하는 방법을 학습하면 보다 복잡한 인과 추론에 사용될 수 있습니다. 팀이 제안하는 공리적 훈련 프레임워크는 시연만으로 패시브 데이터를 기반으로 인과 추론을 학습하는 새로운 패러다임입니다.

AIxiv 칼럼은 본 사이트에서 학술 및 기술 콘텐츠를 게재하는 칼럼입니다. 지난 몇 년 동안 이 사이트의 AIxiv 칼럼에는 전 세계 주요 대학 및 기업의 최고 연구실을 대상으로 한 2,000개 이상의 보고서가 접수되어 학술 교류 및 보급을 효과적으로 촉진하고 있습니다. 공유하고 싶은 훌륭한 작품이 있다면 자유롭게 기여하거나 보고를 위해 연락주시기 바랍니다. 제출 이메일: liyazhou@jiqizhixin.com; zhaoyunfeng@jiqizhixin.com 서문 최근 몇 년 동안 다양한 분야에서 MLLM(Multimodal Large Language Model)의 적용이 눈에 띄는 성공을 거두었습니다. 그러나 많은 다운스트림 작업의 기본 모델로서 현재 MLLM은 잘 알려진 Transformer 네트워크로 구성됩니다.
