「DeepMind」首席科学家『周丹尼』：AI几年内解决编码问题其实非常困难！

不二如是

谷歌DeepMind首席科学家DennyZhou指出，AI几年内解决编码问题其实非常困难。

这主要因为日常编程需要处理多样化的业务逻辑、系统依赖、API集成以及非结构化问题等，这与竞赛编程中的限制性算法题有本质区别。

目前虽然LLM模型在生成简单函数和示例代码方面已展现出惊人能力，但在复杂项目环境下识别上下文、管理依赖和持续维护的能力仍待提升。

在线学习：



乐观者往往只论竞技编程的进展，强调模型在LeetCode、Kattis等平台上刷题的表现。

但这些问题通常具有明确输入输出规范和固定测试样例，而真实生产环境中的编码任务更像是一种开放式挑战，需要考虑架构设计、性能优化以及多线程并发等多方面因素。

例如，研究表明在标准编程竞赛数据集上的平均正确率可以达到70%以上，但在真实项目代码生成和自我修复场景中，即使是自调试(Self-Debugging)方法也只能将最复杂难题的准确率提升约9%至12%。

因此，竞技编程的成功不能直接等同于AI在软件工程全流程中的成熟度。

尽管如此，谷歌DeepMind的推理团队通过链式思维(Chain-of-Thought)、自一致性(Self-Consistency)和最少到最多(Least-to-Most)等技术不断缩小人机差距。

推动模型在推理和分解任务上的能力提升，但要真正实现AI在端到端软件开发中的应用，还需解决语义理解、上下文保持以及与外部系统交互的长期挑战。

在Transformer架构上亦有学者提出，只要允许生成足够多的中间推理标记，就能从理论上解决任意问题。

但实践中受限于计算资源和响应时间，这种方法难以直接应用于日常编码场景。

未来的研究方向包括增强模型的环境感知能力、跨模态协同以及动态智能体(Agent)架构，这些进展将为AI最终胜任复杂软件开发任务奠定基础。


人物简介

DennyZhou，现任谷歌DeepMind推理团队(ReasoningTeam)创始人兼负责人，致力于通过构建具备链式思维、最少到最多等能力的LLM模型实现人工通用智能(AGI)。

游客，如果您要查看本帖隐藏内容请回复

评论区聊聊你的想法吧

                               
登录/注册后可看大图

>>万能兑换C币许愿池<<

如果有收获，别忘了评分 ：

                               
登录/注册后可看大图

                               
登录/注册后可看大图

                                                                    

player-none

AI写代码就是容易一错再错，代码报错问ai他就是死不悔改。。。

不二如是

player-none 发表于 2025-5-26 17:11
AI写代码就是容易一错再错，代码报错问ai他就是死不悔改。。。

是的

快速收敛

感谢分享！！鱼C论坛不愧是全国最大的AI资讯学习论坛！朕很喜欢这里

Claude-4貌似很强，感觉几年有点说慢了

画风华

感谢分享！！鱼C论坛不愧是全国最大的AI资讯学习论坛！朕很喜欢这里

不二如是

画风华 发表于 2025-5-27 16:26
感谢分享！！鱼C论坛不愧是全国最大的AI资讯学习论坛！朕很喜欢这里

不二如是

快速收敛 发表于 2025-5-27 08:39
感谢分享！！鱼C论坛不愧是全国最大的AI资讯学习论坛！朕很喜欢这里

Claude-4貌似很强，感觉 ...

claude4目前编程类最强