譯者 | 布加迪

審校 | 重樓

BigCode最近發布了一個新的人工智能LLM（大型語言模型）：StarCoder，旨在幫助開發人員更快速地編寫高效的代碼。本文介紹了StarCoder的定義、StarCoder的工作原理以及您可以如何利用StarCoder提升編程能力。

StarCoder的定義

StarCoder是一種專為編程語言設計的LLM，旨在幫助程序員在較短的時間內編寫高質量的代碼。

它用Python編寫，已經過訓練，支持80多種編程語言編寫代碼，包括面向對象的編程語言（比如C++、Python和Java）以及過程編程語言（比如Fortran和C）。

StarCoder的工作原理

StarCoder LLM采用多查詢注意技術，該技術使StarCoder能夠理解代碼的內容，并生成準確的建議。該技術需要同時分析多個查詢，以提供準確的響應。

StarCoder LLM的訓練過程涉及收集和整理來自GitHub代碼存儲庫的多種編程語言的大量數據。通過利用這個多樣化的數據集，StarCoder可以生成準確而高效的代碼建議。

如何使用StarCoder LLM？

開始使用StarCoder LLM很容易。您可以利用StarCoder的任何工具來編寫高效的代碼，包括其Playground或聊天機器人。下面介紹如何利用StarCoder編寫更好的程序。

1. 代碼完成

通過使用StarCoder Playground接口，StarCoder可以抓取程序數據并完成程序，或基于迄今為止已編寫的代碼的上下文發現程序中缺失的部分。要使用StarCoder Playground，請將不完整的代碼寫入到代碼提示中。

比如說：

當您點擊顯示代碼完成功能的Generate按鈕時，StarCoder建議使用JavaScript數組方法來完成提示的代碼。

2. 從自然語言提示生成代碼

StarCoder不是一個能夠理解自然語言提示的指令模型，比如像“創建一個查找1到100之間素數的函數”這樣的提示。然而，您可以使用StarCoder的聊天機器人（技術助手）來輸入指令，并利用StarCoder作為指令模型，如下圖所示：

該圖描述了StarCoder的技術助手被要求編寫一個對1到100之間的素數求和的Python函數。

與之相仿，您可以利用這個聊天機器人來發現代碼結構中的錯誤或漏洞，StarCoder通過用來自GitHub代碼存儲庫的數千個類似程序運行特定代碼來實現這一功能。這可以節省代碼調試方面的時間和精力。

除了上述功能特性外，StarCoder LLM還提供了更多功能。這包括Visual Studio Code插件，該插件提供了代碼完成功能，有助于在您開發軟件時提高生產力。

StarCoder LLM的當前局限性

盡管StarCoder LLM是一種令人印象深刻的人工智能工具，但它也存在一些局限性。主要的限制之一是它依賴訓練數據。訓練數據的質量和數量制約了StarCoder LLM的性能。

此外，當使用LLM來生成或完成代碼時，您也許會碰到StarCoder的反饋可能更準確的情況。此外，StarCoder發現很難處理通過Playground和聊天機器人等任何其他渠道提供給它的大量數據。但愿BigCode能夠改進這些限制。

LLM沒那么復雜

StarCoder只是LLM的另一個例子，表明了人工智能的變革能力。LLM繼續改變工程和科學領域某些流程的執行方式。

LLM不像看起來那么復雜。它們利用深度學習來分析數據，并解讀語法、句法和上下文，以創建響應。了解LLM的定義以及您如何能利用LLM幫助您發掘其潛力。

原文標題：Introducing StarCoder: The New Programming AI，作者：Chinedu Mgbemena