你的位置:新会区肯洲蚕茧有限公司 > 新闻资讯 > 35年从业者逐玩具加工帧考据这次出来声张正义的秃子哥
白交 衡宇 发自 凹非寺
量子位 | 公众号 QbitAI
首个AI才能员,演示视频大幅度作秀???
不久之前轰动硅谷的Devin,再度轰动硅谷——但这次是被打假。
事情是这样的:油管才能员博主Internet of Bugs(以下简称秃子哥)对Devin的视频进行了逐帧分析,一一举证阐述了Devin并不如演示中那般神奇。
以至有“我方现写bug然后速即开采”的骚操作。
其它“罪证”,包括但不限于:
堪称能惩处任何Upwork任务,但演示中惩处的问题并不是prompt要惩处的那一个,作念不费力;看起来在开采bug,骨子上开采的bug东谈主类才能员根本就不会犯;没专门志到圣洁两步就能惩处问题,花里胡梢一顿操作,其实是我方把任务搞复杂了;修改代码的水平说来话长。此外,秃子哥花了半个多小时,把Devin演示视频中的upwork任务完成了一遍——而Devin完成任务可能用时6个多小时。
啊这这这,确凿好、大、一、口、瓜!
要知谈,其背后公司Cognition AI手执10块IOI金牌的活牌号,还在推出Devin当月告示到手融资2100万好意思金。
推特和YC上仍是吵翻天了,让这件事的参议度高居不下。
我请示呢?真的很敌对演示作秀,让demo看起来荒诞达到想到除外的期间跳跃。
还有东谈主暗意我方很受伤,再也不会信服多样冒出来的创业公司的东西了。
emmmm……我照旧把期待值全部留给OpenAI、Anthropic、DeepMind、FAIR这些公司和机构吧。
完满笃定,一谈接着往下看。
35年从业者逐帧考据这次出来声张正义的秃子哥,从事软件行业仍是35年。他率先声明我方的态度:我并不反对高技术,但我照实反对过度炒作。
他我方也陆续使用GitHub Copilot、ChatGPT、LIama2、Stable Diffusion。
事实上,在Devin刚推出时候,他就反对过“寰宇上第一个AI软件工程师”这一说法。
这次则主要针对的是一些更为具体的说法。
企业-源明纳杂果有限公司比如之前Devin堪称简略靠处理upwork任务来赢利的。但在真确的演示中Devin并莫得作念到这少许。
不信?不首要,秃子哥带着逐帧的把柄来了。
总结如下:
Devin所处理的任务并非立地,而是悉心挑选;与客户骨子需求有很大的相差;骨子操作历程,数次我方创造bug然后再开采;许多毫无敬爱敬爱的操作,非常于几十年前在C说话中才用的顺次;???率先,来到了演示视频的2.936秒处,在屏幕左上角有自满他们搜索过这个内容。因此,这不是所谓“立地”选用的任务。
再来看客户给到的具体需求。真确需求为“我想要应用这个库来进行推理。你需要提供属见识操作指南。我不想参议完成这项职责预测需要的时辰。”
但给到Devin的需求却是:我但愿应用这个模子在这个库中进行推理。请我方弄领悟。
临了视频末尾出现的Devin生成阐述中,也莫得说起客户骨子需要的内容。
那么,这份职责的最终请托后果应该包括什么呢?
但Devin骨子作念了什么?
Devin第一次真确的尝试,是它修改了一个名为requirements.txt文献,其中轨则了代码所依赖的库版块。视频中提到它正在更新代码,但骨子上更像是修改确立文献。
然后根据需求,需要Devin能建立我方的推理能力,并仅需使用样例数据即可。但骨子容貌要比这个复杂得多。
浪漫很快,Devin就碰到了第一个敕令行失实——掀开图像失败、文献未找到、无此文献或目次等。但在秃子哥骨子复刻下并莫得出现,浪漫策动发现,代码仓库根柢就不存在这个文献。
这非常于Devin我方创建了个bug,然后再开采bug。在接下来的操作中,Devin经验了许屡次这样的“自建自修”。
不可说十分有效, 农机只可说完满莫得必要。
接下来, 橡胶再来望望代码库中这样一个readme文献。正如视频所展示的那样, 农化readme文献明晰地阐述了该文献的功能和用法。在页面右侧,牧副渔以至还有一个小按钮, 玻璃制品点击它就不错复制整条敕令,然后粘贴到敕令行窗口中,按下回车即可运行。
但Devin完满没能厚实,而又是自创了个容貌。而写的那段从缓冲区读取数据的代码十分厄运。
于是秃子哥发出了灵魂拷问:
这不即是几十年前在C说话等中才用的顺次吗???
这种作念法显豁仍是落伍,浅近东谈主用Python谁还会再写这个代码。这种代码很难调试,它逻辑复杂,难以厚实,很容易出现隐微的失实。
此外,代码库中还存在一个真确的失实,但Devin既莫得发现也莫得开采。
然后秃子哥用谷歌搜索,按照GitHub 上一条关联驳倒修改了代码,只花了1分07秒,问题就惩处了。
最终秃子哥总计花了35分55秒复现了Devin的职责,而Devin骨子花了多万古辰呢?
淌若细看视频Demo,就会发现Devin处理职责前后有6个小时20分钟的断绝。
视频的前部分自满的是3月9日下昼3:25 的时辰戳,但后半部分却自满的是今日晚上9:41。
而逐帧细看就有会发现一些奇怪且毫无敬爱敬爱的操作。
比如head -N 5 results.json | tail -N 5这个敕令,它暗意取这个JSON 文献的前五行,玩具加工然后再取这些行的临了五行。
正确的作念法应该是”head-5 results.json”。阿谁-N 是敷裕的。只须说 -5 就不错,不需要那些敷裕的东西。
临了秃子哥锐评,AI当今生成的内容有许多齐十分愚蠢,反倒会让事情变得更为复杂。
当看到它的任务列表时,会合计:哇,Devin作念了许多事情。但骨子上可能并非如斯。
网友:至少掌执了看起来很忙的手段关于这次Devin作秀翻车,不少网友对现阶段AI居品炒作嗤之以鼻。
我真的很敌对当今演示作秀变得如斯浅近化
以至还列出了三大炒作典范:Devin、rabbit、Humane。
也有网友簸弄:Devin至少掌执了看起来很忙的手段。
嗯?打工东谈主有被内涵到。
不外也有一些维持的网友,比如这位沃顿商学院的教会Ethan Mollick。
他宣称我方有早期走访权,在体验中发现真的很道理。
他认为当今将Agent视作“炒作”为前卫早,畴昔几个月Agent的能力将十分强盛。
堪称“寰宇首个完满自主的AI软件工程师”专门念念的是,演示作秀事件爆出来的时辰,距离Cognition AI推出Devin仅夙昔了一个月。
我们一谈来转头一下。
一个月前的3月13日,Cognition AI在推特上先容了自家推出的Devin,并称其为“寰宇上首个AI软件工程师”。
只需一句指示,它可端到端地处理统统这个词开发容貌。
主创先容,Devin在长程推理和策画上头下了很大功夫,不错策画和实行需要数千个决策才能完成的复杂软件工程任务。
官网-大伟洁房产有限公司具体来说有6大功能:
端到端构建和部署才能,不错惩处的不仅仅代码问题,还包括与之关联的统统这个词职责流;
自主查找并开采bug;历练和微调我方的AI模子;开采开源库;为进修的坐褥库作念孝敬;超强学习能力,及时补足常识和能力短板。Devin完满期间阐述中自满,在SWE-bench基准测试中,无需东谈主类支持,Devin可惩处13.86%的问题
——这个数据看起来不高,但其实仍是卓越了此前统统AI大模子的得益。
面前数一数二的GPT-4,在同个测试中的得益惟有1.74%,且必须配备一个东谈主类,领导它要处理哪些文献。
那时的Devin团队一副没在怕的容貌。
天然没绽开公测,但陆连续续给出了一些内测限额。
在互联网上搜索一番,发现上手体验过的东谈主给的买家秀反映是这样的:
热衷AI的沃顿商学院教会Ethan Molick试事后,认为其新颖的及时交互样式是最值得热心的。
他条款Devin开发一个阐述“创业公司融资中的股权稀释”的网站,随后流露,AI还无法在莫得任何匡助的情况下,自主且无时弊地完成这项职责。。
但也有东谈主径直暗意,体验事后照实是有被轰动到。
巧的是,截图中的这个首批内测体验者Bubna哥,是AI基础设施创业公司Modal Labs的CTO。
其后他和Devin还联手搞了个新闻。Devin用自家雇主的账号,深刻Modal Labs的职责群,和Bubna哥一番疏导事后,根据复兴调遣了代码决议,惩处了一个期间问题。
△图中的发言东谈主背后其实是Devin
天然,除了看上去很利弊的期间,Devin还镀了一层光环,那即是背后公司Cognition,天然是个小初创,但在招东谈主信息中后堂堂写着:
我们团队手里执着10块IOI金牌呢~
期间演示和团队配景齐吸睛Max,径直给Devin的传播力度保驾护航。
也恰是因为对Devin的热心,代码生陋习模在夙昔一段时辰里发达是突飞大进。
暂时无法在飞书文档外展示此内容比如,GitHub三万Star容貌MetaGPT就上新了“开源版Devin”,名为数据阐述器(Data Interpreter):企业-诚鹏骏棉类有限公司阿里Qwen成员Binyan Hui等东谈主开启了OpenDevin容貌,一个月夙昔仍是在GitHub揽星21.5k;
普林斯顿那处四肢更快,用GPT-4打造了开源SWE-agent,开箱即用,可开采GitHub存储库中的确bug。
在25%的SWE-bench测试集上,它竣事了与Devin演示视频中相同的准确度—— 惩处了12.29%的问题。
还有各个大厂也开动入驻我方的AI才能员……
One More Thing浪漫当今发生这件事儿,奈何说呢……
往好了想,确凿救大命了,统统的才能员们齐要松语气了,还好还好,AI暂时还无法端到端端走我的饭碗。
往坏了想,确凿要了命了,这样一个备受热心的明星容貌竟然是个只可活在视频里的demo。
难谈寰宇真的是个庞杂的草台班子???
参考流畅:
[1]https://twitter.com/oran_ge/status/1778968102610546762?s=46&t=S65Q3TssMnzcxLETGqaDFQ[2]https://twitter.com/0interestrates/status/1779268441226256500[3]https://news.ycombinator.com/item?id=40008109[4]https://www.youtube.com/watch?v=tNmgmwEtoWE— 完 —
量子位 QbitAI · 头条号签玩具加工
Powered by 新会区肯洲蚕茧有限公司 @2013-2022 RSS地图 HTML地图