برای آخرین به روزرسانی ها و مطالب اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت ، به خبرنامه های روزانه و هفتگی ما بپیوندید. بیشتر بدانید
Qodo ، یک بستر کیفیت کد با محور AI که قبلاً با عنوان Codium شناخته می شد ، از انتشار Qodo-Embed-1-1.5b خبر داد ، یک مدل تعبیه شده کد منبع باز جدید که عملکرد پیشرفته ای را ارائه می دهد در حالی که به طور قابل توجهی کوچکتر و کارآمدتر از راه حل های رقیب است.
طراحی شده برای افزایش جستجوی کد ، بازیابی و درک ، مدل پارامتر 1.5 میلیارد به نتایج برتر در معیارهای صنعت می رسد و از مدل های بزرگتر از OpenAI و Salesforce بهتر است.
برای تیم های توسعه سازمانی که مدیریت کد های گسترده و پیچیده را دارند ، نوآوری Qodo نشانگر جهشی در گردش کار مهندسی نرم افزار AI است. qodo-embed-1-1.5b با فعال تر بازیابی کد دقیق تر و کارآمدتر ، یک چالش مهم در توسعه AI را به وجود می آورد: آگاهی از زمینه در سیستم های نرم افزاری در مقیاس بزرگ.
چرا مدل های جاسازی کد برای شرکت AI مهم است
راه حل های برنامه نویسی با هوش مصنوعی به طور سنتی روی تولید کد متمرکز شده اند ، با مدل های بزرگ زبان (LLMS) به دلیل توانایی خود در نوشتن کد جدید توجه می کنند.
با این حال ، همانطور که Itamar Friedman ، مدیر عامل و بنیانگذار QODO ، در مصاحبه تماس ویدیویی در اوایل این هفته توضیح داد: “نرم افزار سازمانی می تواند ده ها میلیون ، اگر نه صدها میلیون ، خط کد داشته باشد. تولید کد به تنهایی کافی نیست – شما باید اطمینان حاصل کنید که کد با کیفیت بالا است ، به درستی کار می کند و با بقیه سیستم ادغام می شود. “
مدل های تعبیه شده کد با اجازه دادن به سیستم ها برای جستجوی و بازیابی قطعه های مربوطه به طور کارآمد ، نقش مهمی در توسعه AI دارند. این امر به ویژه برای سازمانهای بزرگ که در آن پروژه های نرم افزاری میلیون ها خط کد در بین تیم های مختلف ، مخازن و زبانهای برنامه نویسی وجود دارد ، بسیار مهم است.
فریدمن گفت: “زمینه برای هر چیزی در حال حاضر مربوط به نرم افزار ساختمان با مدل ها است.” “به طور خاص ، برای واکشی زمینه مناسب از یک پایگاه کد واقعا بزرگ ، شما باید برخی از مکانیسم های جستجو را طی کنید.”
qodo-embed-1-1.5b عملکرد و کارآیی را فراهم می کند
QODO-EMBED-1-1.5B از تعادل کارآیی و دقت آن است. در حالی که بسیاری از مدل های پیشرفته به میلیاردها پارامتر متکی هستند-متن -3-بزرگ Openai دارای 7 میلیارد است ، به عنوان مثال-مدل Qodo فقط با 1.5 میلیارد پارامتر به نتایج برتر می رسد.
در معیار بازیابی اطلاعات کد (COIR) ، یک تست استاندارد صنعت برای بازیابی کد در چندین زبان و وظایف ، qodo-embed-1.5b 70.06 به ثمر رساند ، از SFR-embedding-2_r (67.41) و OpenAi متن-تعبیه شده-3-بزرگ (65.17).
این سطح از عملکرد برای شرکت هایی که به دنبال راه حل های هوش مصنوعی مقرون به صرفه هستند بسیار مهم است. این مدل با امکان اجرا در GPU های کم هزینه ، بازیابی پیشرفته کد را در اختیار طیف وسیع تری از تیم های توسعه قرار می دهد و ضمن بهبود کیفیت نرم افزار و بهره وری ، هزینه های زیرساخت ها را کاهش می دهد.
پرداختن به پیچیدگی ، ظرافت و ویژگی قطعه های مختلف کد
یکی از بزرگترین چالش ها در توسعه نرم افزار هوش مصنوعی این است که کد مشابه می تواند عملکردهای بسیار متفاوتی داشته باشد. فریدمن این موضوع را با یک مثال ساده اما تأثیرگذار نشان می دهد:
“یکی از بزرگترین چالش ها در جاسازی کد این است که دو کارکرد تقریباً یکسان – مانند” برداشت “و” سپرده ” – ممکن است فقط با یک علامت به علاوه یا منهای متفاوت باشند. آنها باید در فضای بردار نزدیک باشند اما به وضوح متمایز هستند. “
یک مسئله مهم در مدل های جاسازی ، اطمینان از اینکه کد عملکردی متمایز به طور نادرست در کنار هم قرار نمی گیرد ، این است که می تواند خطاهای اصلی نرم افزار ایجاد کند. “شما به یک مدل تعبیه شده نیاز دارید که کد را به خوبی درک کند تا زمینه مناسب را بدون ایجاد کارکردهای مشابه اما نادرست ، که می تواند باعث ایجاد مشکلات جدی شود ، بدست آورد.”
برای حل این مسئله ، Qodo یک روش آموزشی منحصر به فرد را ایجاد کرد و داده های مصنوعی با کیفیت بالا را با نمونه های کد در دنیای واقعی ترکیب کرد. این مدل برای تشخیص تفاوت های ظریف در کد مشابه عملکردی آموزش داده شد ، و اطمینان حاصل کرد که وقتی یک توسعه دهنده کد مربوطه را جستجو می کند ، سیستم نتایج درست را بازیابی می کند-نه فقط موارد مشابه.
فریدمن خاطرنشان می کند که این فرایند آموزش با همکاری NVIDIA و AWS تصفیه شده است ، که هر دو در حال نوشتن وبلاگ های فنی در مورد روش شناسی Qodo هستند. ما یک مجموعه داده منحصر به فرد را جمع آوری کردیم که ویژگی های ظریف توسعه نرم افزار را شبیه سازی می کند و یک مدل را برای تشخیص آن تفاوت های ظریف تنظیم می کند. به همین دلیل مدل ما از مدل های تعبیه عمومی برای کد بهتر عمل می کند. “
پشتیبانی از زبان چند برنامه نویسی و برنامه هایی برای گسترش آینده
مدل qodo-embed-1-1.5b برای 10 زبان برتر برنامه نویسی متداول ، از جمله پایتون ، جاوا اسکریپت و جاوا ، با پشتیبانی اضافی برای دم طولانی از زبانها و چارچوب های دیگر بهینه شده است.
تکرارهای آینده این مدل در این بنیاد گسترش می یابد و ادغام عمیق تری با ابزارهای توسعه سازمانی و پشتیبانی از زبان اضافی ارائه می دهد.
فریدمن گفت: “بسیاری از مدل های جاسازی شده برای تمایز بین زبانهای برنامه نویسی تلاش می کنند ، و گاهی اوقات قطعه قطعه ها را از زبانهای مختلف مخلوط می کنند.” “ما به طور خاص مدل خود را آموزش داده ایم تا از این امر جلوگیری کنیم ، با تمرکز بر 10 زبان برتر مورد استفاده در توسعه شرکت.”
گزینه های استقرار شرکت و فایده
Qodo مدل جدید خود را از طریق چندین کانال در دسترس قرار می دهد.
نسخه پارامتر 1.5B در Busging Face تحت مجوز OpenRail ++-M در دسترس است و به توسعه دهندگان این امکان را می دهد تا آن را آزادانه در گردش کار خود ادغام کنند. شرکت هایی که به قابلیت های اضافی نیاز دارند می توانند تحت مجوزهای تجاری به نسخه های بزرگتر دسترسی پیدا کنند.
Qodo برای شرکت هایی که به دنبال یک راه حل کاملاً مدیریت شده هستند ، یک پلتفرم درجه یک شرکت را ارائه می دهد که با تکامل کد های کد ، به روزرسانی های تعبیه شده را خودکار می کند. این یک چالش کلیدی در توسعه AI محور است: اطمینان از اینکه مدل های جستجو و بازیابی با تغییر کد در طول زمان دقیق باقی می مانند.
فریدمن این را یک گام طبیعی در مأموریت قودو می داند. ما در حال انتشار qodo به عنوان اولین قدم هستیم. هدف ما این است که به طور مداوم در سه بعد پیشرفت کنیم – صحت ، پشتیبانی از زبانهای بیشتر و دستیابی بهتر به چارچوب ها و کتابخانه های خاص. “
فراتر از بغل کردن چهره ، این مدل همچنین از طریق NIM Platform NIM و AWS Sagemaker Jumpstart در دسترس خواهد بود و باعث می شود شرکت ها بتوانند استقرار و ادغام در محیط های توسعه موجود خود را آسانتر کنند.
آینده هوش مصنوعی در نرم افزار شرکت Dev
ابزارهای برنامه نویسی با هوش مصنوعی به سرعت در حال تحول هستند ، اما تمرکز فراتر از تولید کد به سمت درک کد ، بازیابی و تضمین کیفیت است. با حرکت شرکت ها برای ادغام AI عمیق تر در فرآیندهای مهندسی نرم افزار خود ، ابزارهایی مانند Qodo-Embed-1-1.5b نقش مهمی در ساخت سیستم های AI قابل اطمینان تر ، کارآمد و مقرون به صرفه تر ایفا می کنند.
“اگر در یک شرکت 15،000 Fortune یک توسعه دهنده هستید ، فقط از Copilot یا مکان نما استفاده نمی کنید. شما گردش کار و ابتکارات داخلی دارید که نیاز به درک عمیق از کد های بزرگ دارند. اینجاست که یک مدل تعبیه شده کد با کیفیت بالا ضروری می شود. “
آخرین مدل Qodo گامی به سوی آینده است که AI فقط به توسعه دهندگان در نوشتن کد کمک نمی کند-این به آنها کمک می کند تا آن را در اکوسیستم های نرم افزاری پیچیده و در مقیاس بزرگ درک ، مدیریت و بهینه سازی کنند.
برای تیم های سازمانی که به دنبال استفاده از هوش مصنوعی برای جستجوی کدهای هوشمند تر ، بازیابی و کنترل کیفیت هستند ، مدل تعبیه جدید Qodo یک جایگزین قانع کننده و با کارایی بالا برای راه حل های بزرگتر و پرقدرت تر ارائه می دهد.
