微軟宣布推出一種可以提高大型語言模型性能的新工具 Jigsaw。“大型的預訓練語言模型（如 GPT-3、Codex 等），可以被調整為從程序員意圖的自然語言規范中生成代碼。這種自動化模型有可能提高世界上每個程序員的生產力；但是，由于這些模型可能難以理解程序語義，因此所生成的代碼的質量不能得到保證?！?/span>

根據介紹，Jigsaw 部署了理解程序語法和語義的后處理技術，然后利用用戶反饋來提高未來的性能；該工具旨在使用多模式輸入為 Python Pandas API 合成代碼。Pandas 是數據科學中廣泛使用的 API，具有數百個用于 manipulating dataframes 或具有行和列的表的函數。

微軟方面稱，其經驗表明，隨著這些大型語言模型演變為根據意圖合成代碼，Jigsaw 可以在提高系統準確性方面發揮重要作用。

像 OpenAI 的 Codex 這樣的大型語言模型正在重新定義編程領域。軟件開發人員在解決編程任務時，可以為預期的代碼片段提供英文描述，Codex 可以用 Python 或 JavaScript 等語言合成預期的代碼。但合成的代碼可能不正確，甚至可能無法編譯或運行。Codex 用戶有責任在使用代碼之前對其進行審查。Jigsaw 團隊解釋稱，通過 Project Jigsaw，其目標是使部分審查自動化，以提高使用 Codex 等大型語言模型進行代碼合成的開發人員的生產力。

微軟認為 Jigsaw 可以“完全自動化”檢查代碼是否編譯、處理錯誤信息以及測試代碼是否產生開發人員希望輸出的內容的整個過程?！癑igsaw 將預期代碼的英文描述以及 I/O 實例作為輸入。通過這種方式，它將輸入與相關的輸出配對；并提供質量保證，即輸出的 Python 代碼將在提供的輸入上編譯并產生預期的輸出。

”在其 ICSE 2022 論文 Jigsaw：Large Language Models meet Program Synthesis 中，微軟方面在 Python Pandas 上評估了這種方法。使用 Jigsaw，用戶可以提供對預期轉換的英文描述、input dataframe 和相應的 output dataframe，然后讓 Jigsaw 合成預期代碼。

Jigsaw 獲取英語查詢并使用適當的上下文對其進行預處理，以構建可以饋送到大型語言模型的輸入。微軟在實驗中發現，Jigsaw 可以在 30% 的時間內創建正確的輸出。如果代碼失敗，那么修復過程在后處理階段開始。

在后處理過程中，Jigsaw 應用了三種變換來修復代碼。這些轉變中的每一個都是由他們在 GPT-3 和 Codex 中觀察到的故障模式所激發的。而 GPT-3 和 Codex 失敗的方式都類似，因此 Jigsaw 解決這些失敗模式的后處理對兩者都很有用。

微軟在各種數據集上評估了 Codex 和 Jigsaw (with Codex)，并測量了準確率。Codex 給出了約 30% 的開箱即用的準確性，Jigsaw 則將準確率提高到 60% 以上；通過用戶反饋，準確率可提高到 80% 以上。接下來，他們將繼續致力于完善 Jigsaw，努力將在 Python Pandas API 上的經驗推廣到其他 API 和其他語言上；在通過自動化提高程序員生產力方面發揮重要作用。

更多詳情可查看官方博客：https://www.microsoft.com/en-us/research/blog/jigsaw-fixes-bugs-in-machine-written-software/

對于微軟推出會編程的 AI ，然后又讓 AI 學會代碼審核，如今準確率還達到 80%，有網友表示：程序員們啊，本是同根生，相煎何太急。