那么，如果 LLM 短时间没法解决上述问题 ， 特别是 1）和 2）两个影响开发效力的问题 ， 有无技术能与 LLM 一起工作来减轻上述问题产生的负面效果？作为一支为华为生态系统打造一流工具和服务的团队。

文章插图
智能感知 2.0 的代码生成技术跟先辈的主要区别是它更多关注结构化的原子建议(proposal)而非单个的符号(token) 。在这个例子中，Collections.emptyList() 和 new ArrayList<>() 就是两个独立的原子建议 。如果基于单个符号进行推理，则完成上述代码片断需要由代码模型生成 5-6 个符号 ， 并且在预测 Collections 符号的阶段，就需要知道以后预测的 emptyList()，并生成语法上有效的代码 。这除了会显著增加推理模型的特点数目以外 ， 还要求我们时刻跟符号组合中的毛病语法问题作斗争 。另外，智能感知 2.0 使用了一些非常简单的模型来过滤掉不相关的原子建议，确保用户看到的是最可能的推荐和最短的建议列表 。
【智能感知 2.0】关于本次智能感知0的问题分享到这里就结束了 ， 如果解决了您的问题，我们非常高兴 。

猜你喜欢

• 选择合适你目标和兴趣的编程语言
• 可履行的人工智能教育才有未来
• 网贷中介依附在借款人身上，为犯法网贷机构输送利润
• 下一个10年，中国将迎来物联网时代
• 打工不可能打工，一生不可能打工
• AI技术在图象处理中的应用
• Lzq虾青素洗面奶
• 相宜本草红景天精华
• 上海蜂花洗护系列