CN116841506A - 程序代码生成方法及装置、模型训练方法及装置 - Google Patents
程序代码生成方法及装置、模型训练方法及装置 Download PDFInfo
- Publication number
- CN116841506A CN116841506A CN202310804799.9A CN202310804799A CN116841506A CN 116841506 A CN116841506 A CN 116841506A CN 202310804799 A CN202310804799 A CN 202310804799A CN 116841506 A CN116841506 A CN 116841506A
- Authority
- CN
- China
- Prior art keywords
- program code
- tool
- sample
- preset
- target
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 90
- 238000012549 training Methods 0.000 title claims abstract description 29
- 230000006870 function Effects 0.000 claims abstract description 76
- 238000004590 computer program Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims description 19
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000003058 natural language processing Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 238000004458 analytical method Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000001413 cellular effect Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000002996 emotional effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/10—Requirements analysis; Specification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/455—Emulation; Interpretation; Software simulation, e.g. virtualisation or emulation of application or operating system execution engines
- G06F9/45533—Hypervisors; Virtual machine monitors
- G06F9/45558—Hypervisor-specific management and integration aspects
Landscapes
- Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
Abstract
本公开提供了一种程序代码生成方法、程序代码生成模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品,涉及人工智能技术领域,尤其涉及自然语言处理、大语言模型、智能对话技术领域。实现方案为:获取用户的问题文本;基于问题文本、每个第一预设工具的功能描述信息以及至少一个第一程序代码示例,确定至少一个目标工具;基于问题文本、至少一个目标工具中每个的功能描述信息以及至少一个第一程序代码示例,生成至少一个目标工具中每个的工具调用代码;以及基于至少一个目标工具中每个的工具调用代码,生成目标程序代码。
Description
技术领域
本公开涉及人工智能技术领域,尤其涉及自然语言处理、大语言模型、智能对话技术领域,具体涉及一种程序代码生成方法、程序代码生成模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
基于大语言模型的任务式对话生成技术是当前人工智能领域的研究热点之一。这种技术利用大语言模型的自然语言生成能力,结合任务式对话的特定需求,可以生成符合特定任务要求的对话内容。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种程序代码生成方法、程序代码生成模型的训练方法、装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种程序代码生成方法,包括:获取用户的问题文本,问题文本包括用户需求;以及基于问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,执行下述第一操作,以生成目标程序代码:基于问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,在至少一个第一预设工具中确定用于解决用户需求的至少一个目标工具,其中,至少一个第一程序代码示例对应至少一个示例问题,并且每个第一程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及至少一个示例工具中每个的工具调用代码;基于问题文本、至少一个目标工具中每个的功能描述信息以及至少一个第一程序代码示例,生成至少一个目标工具中每个的工具调用代码;以及基于至少一个目标工具中每个的工具调用代码,生成目标程序代码。
根据本公开的另一方面,提供了一种程序代码生成模型的训练方法,包括:获取样本数据,样本数据包括样本问题文本、至少一个样本工具、至少一个程序代码示例以及样本程序代码,其中,样本文本包括用户需求,至少一个样本工具中的每个包括功能描述信息,样本程序代码包括至少一个样本工具中的用于解决用户需求的至少一个目标工具以及至少一个目标工具中每个的工具调用代码,至少一个程序代码示例对应至少一个示例问题并且每个程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及至少一个示例工具中每个的工具调用代码;基于样本问题文本、至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用程序代码生成模型执行下述第一操作,以生成程序代码预测结果:基于样本问题文本、至少一个样本工具的每个的功能描述信息以及至少一个程序代码示例,在至少一个样本工具中确定用于解决用户需求的至少一个预测工具;基于样本问题文本、至少一个预测工具中每个的功能描述信息以及至少一个程序代码示例,生成至少一个预测工具中每个的工具调用代码;以及基于至少一个预测工具中每个的工具调用代码,生成程序代码预测结果;以及基于程序代码预测结果和样本程序代码,调整程序代码生成模型的参数。
根据本公开的另一方面,提供了一种程序代码生成装置,包括:第一获取单元,被配置为获取用户的问题文本,问题文本包括用户需求;以及生成单元,被配置为基于问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,执行下述第一操作,以生成目标程序代码:基于问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,在至少一个第一预设工具中确定用于解决用户需求的至少一个目标工具,其中,至少一个第一程序代码示例对应至少一个示例问题,并且每个第一程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及至少一个示例工具中每个的工具调用代码;基于问题文本、至少一个目标工具中每个的功能描述信息以及至少一个第一程序代码示例,生成至少一个目标工具中每个的工具调用代码;以及基于至少一个目标工具中每个的工具调用代码,生成目标程序代码。
根据本公开的另一方面,提供了一种程序代码生成模型的训练装置,包括:第一获取单元,被配置为获取样本数据,样本数据包括样本问题文本、至少一个样本工具、至少一个程序代码示例以及样本程序代码,其中,样本文本包括用户需求,至少一个样本工具中的每个包括功能描述信息,样本程序代码包括至少一个样本工具中的用于解决用户需求的至少一个目标工具以及至少一个目标工具中每个的工具调用代码,至少一个程序代码示例对应至少一个示例问题并且每个程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及至少一个示例工具中每个的工具调用代码;生成单元,被配置为基于样本问题文本、至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用程序代码生成模型执行下述第一操作,以生成程序代码预测结果:基于样本问题文本、至少一个样本工具的每个的功能描述信息以及至少一个程序代码示例,在至少一个样本工具中确定用于解决用户需求的至少一个预测工具;基于样本问题文本、至少一个预测工具中每个的功能描述信息以及至少一个程序代码示例,生成至少一个预测工具中每个的工具调用代码;以及基于至少一个预测工具中每个的工具调用代码,生成程序代码预测结果;以及调整单元,被配置为基于程序代码预测结果和样本程序代码,调整程序代码生成模型的参数。
根据本公开的另一方面,提供了一种电子设备,包括:至少一个处理器;以及与至少一个处理器通信连接的存储器;其中存储器存储有可被至少一个处理器执行的指令,指令被至少一个处理器执行,以使至少一个处理器能够执行上述程序代码生成方法或程序代码生成模型的训练方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,计算机指令用于使计算机执行上述程序代码生成方法或程序代码生成模型的训练方法。
根据本公开的另一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现上述程序代码生成方法或程序代码生成模型的训练方法。
根据本公开的一个或多个实施例,通过将程序代码示例以及工具的功能描述信息引入到程序代码生成过程中,从而使得在程序代码生成的过程中,能够参考功能描述信息以及示例中的代码语句进行目标工具的选择、工具调用代码等程序代码的生成,使得当将新工具添加到预设工具库以扩展工具库时,无需重新进行生成模型的训练,即可基于上述信息进行程序代码生成,提升了预设工具库和程序代码生成方案整体的可扩展性。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开的实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开的实施例的程序代码生成方法的流程图;
图3示出了根据本公开的示例性实施例的程序代码生成方法的流程框图;
图4示出了根据本公开的实施例的程序代码生成模型的训练方法的流程图;
图5示出了根据本公开的实施例的程序代码生成装置的结构框图;
图6示出了根据本公开的实施例的程序代码生成模型的训练装置的结构框图;
图7示出了能够用于实现本公开的实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个要素与另一要素区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括一个或多个客户端设备101、102、103、104、105和106、服务器120以及将一个或多个客户端设备耦接到服务器120的一个或多个通信网络110。客户端设备101、102、103、104、105和106可以被配置为执行一个或多个应用程序。
在本公开的实施例中,服务器120可以运行使得能够执行上述程序代码生成方法或程序代码生成模型的训练方法的一个或多个服务或软件应用。
在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在某些实施例中,这些服务可以作为基于web的服务或云服务提供,例如在软件即服务(SaaS)模型下提供给客户端设备101、102、103、104、105和/或106的用户。
在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。操作客户端设备101、102、103、104、105和/或106的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
用户可以使用客户端设备101、102、103、104、105和/或106来输入问题文本。客户端设备可以提供使客户端设备的用户能够与客户端设备进行交互的接口。客户端设备还可以经由该接口向用户输出信息。尽管图1仅描绘了六种客户端设备,但是本领域技术人员将能够理解,本公开可以支持任何数量的客户端设备。
客户端设备101、102、103、104、105和/或106可以包括各种类型的计算机设备,例如便携式手持设备、通用计算机(诸如个人计算机和膝上型计算机)、工作站计算机、可穿戴设备、智能屏设备、自助服务终端设备、服务机器人、游戏系统、瘦客户端、各种消息收发设备、传感器或其他感测设备等。这些计算机设备可以运行各种类型和版本的软件应用程序和操作系统,例如MICROSOFT Windows、APPLE iOS、类UNIX操作系统、Linux或类Linux操作系统(例如GOOGLE Chrome OS);或包括各种移动操作系统,例如MICROSOFT WindowsMobile OS、iOS、Windows Phone、Android。便携式手持设备可以包括蜂窝电话、智能电话、平板电脑、个人数字助理(PDA)等。可穿戴设备可以包括头戴式显示器(诸如智能眼镜)和其他设备。游戏系统可以包括各种手持式游戏设备、支持互联网的游戏设备等。客户端设备能够执行各种不同的应用程序,例如各种与Internet相关的应用程序、通信应用程序(例如电子邮件应用程序)、短消息服务(SMS)应用程序,并且可以使用各种通信协议。
网络110可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络110可以是局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(例如蓝牙、WIFI)和/或这些和/或其他网络的任意组合。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从客户端设备101、102、103、104、105和/或106的用户接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由客户端设备101、102、103、104、105和/或106的一个或多个显示设备来显示数据馈送和/或实时事件。
在一些实施方式中,服务器120可以为分布式系统的服务器,或者是结合了区块链的服务器。服务器120也可以是云服务器,或者是带人工智能技术的智能云计算服务器或智能云主机。云服务器是云计算服务体系中的一项主机产品,以解决传统物理主机与虚拟专用服务器(VPS,Virtual Private Server)服务中存在的管理难度大、业务扩展性弱的缺陷。
系统100还可以包括一个或多个数据库130。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库130中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库130可以驻留在各种位置。例如,由服务器120使用的数据库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库130可以是不同的类型。在某些实施例中,由服务器120使用的数据库例如可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库130中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据一些实施例,如图2所示,提供了一种程序代码生成方法,包括:
步骤S201、获取用户的问题文本,问题文本包括用户需求;以及
步骤S202、基于问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,执行下述第一操作,以生成目标程序代码:
步骤S2021、基于问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,在至少一个第一预设工具中确定用于解决用户需求的至少一个目标工具,其中,至少一个第一程序代码示例对应至少一个示例问题,并且每个第一程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及至少一个示例工具中每个的工具调用代码;
步骤S2022、基于问题文本、至少一个目标工具中每个的功能描述信息以及至少一个第一程序代码示例,生成至少一个目标工具中每个的工具调用代码;以及
步骤S2023、基于至少一个目标工具中每个的工具调用代码,生成目标程序代码。
由此,通过将程序代码示例以及工具的功能描述信息引入到程序代码生成过程中,从而使得在程序代码生成的过程中,能够参考功能描述信息以及示例中的代码语句进行目标工具的选择、工具调用代码等程序代码的生成,使得当将新工具添加到预设工具库以扩展工具库时,无需重新进行生成模型的训练,即可基于上述信息进行程序代码生成,提升了预设工具库和程序代码生成方案整体的可扩展性。
在一些实施例中,用户的问题文本中可以包含或隐含地包含用户需求。例如,用户输入的问题文本为“帮我查一下明天北京的天气,并发送到我的邮箱xxxx@xxx.com”,其中所包含用户需求可以包括查询天气以及将天气信息发送至目标邮箱。
在一些实施例中,至少一个第一预设工具可以为预设工具库中所包含的全部工具,其中,每个工具均包含相应的功能描述文本。其中,功能描述文本中可以包括用于描述可以实现的功能的正向描述文本。
在一些实施例中,功能描述文本中可以同时包括用于描述可以实现的功能的正向描述文本以及用于描述不可实现的功能的负向描述文本。例如,对于一个搜索工具(例如搜索模型),其功能描述信息包括正向描述文本“模型用于搜索,检索实效性信息、客观事实信息、支持各种类型的查询”以及负向描述文本“注意不处理主观评价、心理、情感、人物关系等问题”。
在一些实施例中,每个第一预设工具还可以包括工具标识信息(工具的ID),第一预设工具可以是用户预先定义好的。在一些实施例中,第一预设工具也可以基于实际需求进行扩展和更新。
在一些实施例中,第一程序代码示例可以是用于解决一些示例问题所对应的预先编写好的程序代码。其中,每个第一程序代码示例中可以包括以下信息:用于解决相应示例问题的用户需求的示例工具,以及用于调用该示例工具的工具调用代码。
在一些实施例中,至少一个第一程序代码示例可以是预设示例库中的全部程序代码示例。
在一些实施例中,当获取到用户的问题文本后,可以基于问题文本、所有第一预设工具的功能描述文本以及所有第一程序代码示例,对问题文本中的用户需求进行分析,并挑选能够解决用户需求的一个或多个目标工具,并进一步基于问题文本、目标工具的功能描述信息(也可以进一步包括目标工具的其他信息,例如工具标识信息等),基于第一程序代码示例的指导,生成用于调取每个目标工具的工具调用代码,进而生成目标程序代码。
在一些实施例中,也可以在进行分析前,首先对预设工具以及程序代码示例进行初步筛选,从而减少后续分析的数据处理量的同时,提升后续目标工具选择以及程序代码生成的效率和准确性。
在一些实施例中,上述程序代码的生成可以是基于一个训练好的程序代码生成模型来实现的。可以将上述问题文本、所有第一预设工具的功能描述文本以及所有第一程序代码示例同时输入程序代码生成模型,并应用程序代码生成模型执行上述分析及示例学习,从而生成一个用于满足相应用户需求的目标程序代码。
在一些实施例中,上述程序代码生成方法还可以包括:基于问题文本与预设工具库中的多个第二预设工具中每个的功能描述信息的语义相似度,在多个第二预设工具中确定至少一个第一预设工具;以及基于问题文本与预设示例库中的至少一个第二程序代码示例中每个的语义相似度,在至少一个第二程序代码示例中确定至少一个第一程序代码示例。
在一些实施例中,可以首先基于问题文本,利用语义匹配的方式,在预设工具库中的多个第二预设工具以及预设示例库中的至少一个第二程序代码示例中,分别召回语义相似度最高的第一数量的第一预设工具以及第二数量的第一程序代码示例。其中,第一数量和第二数量可以是相同的,也可以是不同的,在此不做限制。
其中,上述语义匹配可以基于一个经训练的语言模型实现。
由此,通过在输入生成模型前,基于语义相似度进行工具及示例的筛选,从而大大减少了模型的数据处理量,提升了工具及示例选择的精确度,进而提升了目标程序代码生成的准确度。
在一些实施例中,也可以首先基于上述方式,确定至少一个第一预设工具;随后,进一步基于问题文本的语义以及第一预设工具的功能表述文本的语义,对程序代码示例进行匹配,从而能够进一步保证召回的示例与第一预设工具的匹配性,进而能够为后续程序代码的生成提供更加准确的示例信息和指导信息。
在一些实施例中,至少一个目标工具的数量为多个,目标程序代码中还包括至少一个目标工具之间的依赖关系。
当问题文本对应的用户需求可以拆分为多个目标任务,相应地需要多个目标工具来实现时,则可以进一步分析上述多个目标任务之间的逻辑关系,进而推导出各个目标任务对应的各个目标工具之间的依赖关系,其中,依赖关系可以包含各个目标任务的执行顺序以及各个目标任务之间的数据依赖关系中的至少一者。
例如,对于用户输入的问题文本“帮我查一下明天北京的天气,并发送到我的邮箱xxxx@xxx.com”,其中所包含用户需求可以包括查询天气任务以及将天气信息发送至目标邮箱的任务;可以基于上述信息推导出,首先需要调用天气查询工具,获取天气信息,随后将天气信息传递给邮件发送工具,以基于查询到的信息发送邮件。从而即可确定,邮件发送任务在天气查询任务后执行,并且邮件发送任务对天气查询任务存在数据依赖,也即邮件发送工具需要接收天气查询工具所反馈的天气信息。
由此,当应用到多个目标工具时,可以在程序代码生成过程中推理各个工具的执行逻辑,从而能够确定各个工具之间的依赖关系,使程序代码的生成更加精准,更加符合用户预期。
在一些实施例中,多个第二预设工具包括具备输入参数以及输入参数的参数描述信息的第三预设工具,至少一个第二程序代码示例中具有第三预设工具的程序代码示例中包括输入参数的设置信息,设置信息用于指导目标工具包含第三预设工具的目标程序代码中的参数获取代码的生成。
在一些实施例中,一些预设工具(第三预设工具)的应用本身也需要一些输入参数的支持。例如,上述的天气查询工具,其在进行天气查询之前,则首先需要获取所要查询的时间信息以及地区信息。
在一些实施例中,上述第三预设工具中同时记载了所需的输入参数是参数描述信息(例如上述的时间信息以及地区信息等)。
相应地,在应用了上述第三预设工具的程序打码示例中,也给出了有关输入参数的设置信息,其中包括但不限于输入参数的数据格式设置、输入参数的获取来源设置等信息。由此,基于程序代码示例中的上述信息,能够使程序代码生成模型学习到示例中对于不同的第三预设工具的输入参数的相关设置,进而准确地生成程序代码中的第三预设工具的参数获取代码(包括参数数据格式、获取来源、获取指令等设置信息)。
由此,当目标工具需要参数输入时,可以通过上述信息指导生成模型在生成目标程序代码时,生成相应的参数获取代码(包括参数来源、参数格式等),进一步提升工具功能以及程序代码的可扩展性。
在一些实施例中,第一操作基于程序代码生成模型实现,基于问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,生成目标程序代码包括:基于包含至少一条预设指令文本的预设指令模板,将问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例整合为目标指令文本;以及将目标指令文本输入程序代码生成模型,以使程序代码生成模型执行第一操作,以生成目标程序代码,其中,至少一条预设指令文本用于指示问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例在目标程序代码生成过程中的作用。
由此,通过将上述信息,基于预设指令模板整合成目标指令文本,从而能够使生成模型进一步明确上述各个信息在程序代码生成过程中的作用,从而进一步提升目标程序代码生成的准确度。
在一些实施例中,至少一条预设指令文本可以用于规定的信息包括但不限于下述中的一种或多种:程序打码生成所需要的信息类别、每个信息在生成过程中的作用、生成所执行的步骤、生成结果的形式、程序代码的格式要求、程序代码所应用的程序语言、数据格式等。
在一些示例性实施例中,预设指令模板例如可以为:
“根据问题,程序代码生成模型需要从可用模型列表中选择适合的模型来完成任务,并给出任务列表,包括任务id(task_id)、任务模型(model_id)(也即目标工具的标识)、模型输入参数(model_args)、任务之间的依赖关系(deps)。程序代码生成模型应该特别注意模型(也即预设工具)的功能描述和参考示例。
请基于问题:<s>[问题文本槽位]<s>。从
你的回复内容必须是一个JSON的格式:[{"task_id":"task_id",
"model_id":"model_id","deps":["dep_task"],"args":"model_args"}]。如果你觉得没有合适的模型,你应该回复空JSON[]。”
在一些实施例中,可以通过预设指令,引导生成模型生成JSON的格式目标程序代码,由此,能够进一步提升程序打码的通用性。
在一些示例性实施例中,对于用户输入的问题文本“帮我查一下明天北京的天气,并发送到我的邮箱xxxx@xxx.com”,最终生成的JSON格式的目标程序代码可以如下述所示:
在一些实施例中,上述程序代码生成方法还可以包括:获取上下文信息;并且其中,基于问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,生成目标程序代码可以包括:基于问题文本、上下文信息、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,生成目标程序代码。
由此,当可以获取到问题文本的上下文信息时,通过进一步将上下文信息(例如前序的一轮或多轮对话)引入到生成过程中,从而能够进一步提升工具选择以及代码生成的准确性。
在一些实施例中,可以通过在预设指令模板中设置有关上下文信息(对话历史)的填充槽位,以及对上下文信息的作用等信息的说明,从而将上下文信息引入到上述生成过程中。
图3示出了根据本公开的示例性实施例的程序代码生成方法的流程框图。
如图3所示,程序代码生成方法可以包括:步骤S301、获取用户的问题文本;步骤S302、基于用户的问题文本,利用语义匹配模型在预设工具库和预设示例库中召回至少一个第一预设工具和至少一个第一程序代码示例;步骤S303、将问题文本、至少一个第一预设工具以及每个第一预设工具所涉及的各类描述信息、至少一个第一程序代码示例,按照预设指令模板整合为目标指令文本,并将目标指令文本输入到经训练的程序代码生成模型中;以及步骤S304、基于程序代码生成模型生成目标程序代码。
在一些实施例中,本公开的程序代码生成模型可以基于生成式预训练模型(Generative Pre-Trained Transformer,GPT)训练获得。
在一些实施例中,上述程序代码生成方法还可以包括:执行目标程序代码,以获取至少一个目标反馈信息;基于问题文本和至少一个目标反馈信息,生成用于回复问题文本的回复信息。
在一些实施例中,可以将各个目标工具反馈回来的反馈信息以及用户的问题文本一并输入到一个经训练的对话模型(例如ERNIE bot)中,以获得由该对话模型整合后的用于回复问题文本的回复信息。
在一些实施例中,将上述信息输入到对话模型之前,也可以基于一个预设指令模板,将上述信息进行整合以获得目标指令文本,并将其输入到对话模型中,以生成更加准确、更加符合用户预期的回复信息。
由此,在生成程序代码后,可以执行程序代码并将反馈信息通过语言模型整理为回复信息,从而能够进一步提升用户的体验。
在一些实施例中,由于预设工具库中工具种类的限制,生成模型经过分析,可能做出每个第一预设工具均无法解决用户需求的判断。在此情况下,可以不触发后续目标程序代码的生成。
在一些实施例中,在上述情况下,可以直接将问题文本输入上述对话模型中,基于对话模型生成针对问题文本的回复信息。
在一些实施例中,如图4所示,提供了一种程序代码生成模型的训练方法,包括:
步骤S401、获取样本数据,样本数据包括样本问题文本、至少一个样本工具、至少一个程序代码示例以及样本程序代码,其中,样本文本包括用户需求,至少一个样本工具中的每个包括功能描述信息,样本程序代码包括至少一个样本工具中的用于解决用户需求的至少一个目标工具以及至少一个目标工具中每个的工具调用代码,至少一个程序代码示例对应至少一个示例问题并且每个程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及至少一个示例工具中每个的工具调用代码;
步骤S402、基于样本问题文本、至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用程序代码生成模型执行下述第一操作,以生成程序代码预测结果:
步骤S4021、基于样本问题文本、至少一个样本工具的每个的功能描述信息以及至少一个程序代码示例,在至少一个样本工具中确定用于解决用户需求的至少一个预测工具;
步骤S4022、基于样本问题文本、至少一个预测工具中每个的功能描述信息以及至少一个程序代码示例,生成至少一个预测工具中每个的工具调用代码;以及
步骤S4023、基于至少一个预测工具中每个的工具调用代码,生成程序代码预测结果;以及
步骤S403、基于程序代码预测结果和样本程序代码,调整程序代码生成模型的参数。
由此,通过上述方法训练获得的程序代码生成模型,将程序代码示例以及工具的功能描述信息引入到程序代码生成过程中,从而使得在程序代码生成的过程中,可以参考功能描述信息以及示例中的代码语句进行目标工具的选择、工具调用代码等程序代码的生成,使得当将新工具添加到预设工具库以扩展工具库时,无需重新进行生成模型的训练,即可基于上述信息进行程序代码生成,提升了预设工具库和程序代码生成方案整体的可扩展性
在一些实施例中,基于样本问题文本、至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用程序代码生成模型生成程序代码预测结果包括:基于包含至少一条预设指令文本的预设指令模板,将样本问题文本、至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例整合为目标指令文本;以及将目标指令文本输入程序代码生成模型,以使程序代码生成模型执行第一操作,以生成程序代码预测结果,其中,至少一条预设指令文本用于指示样本问题文本、至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例在程序代码预测结果生成过程中的作用。
在一些实施例中,样本数据还包括至少一个样本历史对话,基于样本问题文本、至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用程序代码生成模型生成程序代码预测结果包括:基于样本问题文本、至少一个样本历史对话、至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用程序代码生成模型生成程序代码预测结果。
在一些实施例中,至少一个样本工具包括具备输入参数以及输入参数的参数描述信息的第一工具,至少一个程序代码示例中具有第一工具的程序代码示例中包括输入参数的设置信息,设置信息用于指导预测工具包含第一工具的程序代码预测结果中的参数获取代码的生成。
在一些实施例中,至少一个目标工具的数量为多个,样本程序代码中还包括至少一个目标工具之间的依赖关系。
在一些实施例中,如图5所示,提供了一种程序代码生成装置500,包括:
第一获取单元510,被配置为获取用户的问题文本,问题文本包括用户需求;以及
生成单元520,被配置为基于问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,执行下述第一操作,以生成目标程序代码:
基于问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,在至少一个第一预设工具中确定用于解决用户需求的至少一个目标工具,其中,至少一个第一程序代码示例对应至少一个示例问题,并且每个第一程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及至少一个示例工具中每个的工具调用代码;
基于问题文本、至少一个目标工具中每个的功能描述信息以及至少一个第一程序代码示例,生成至少一个目标工具中每个的工具调用代码;以及
基于至少一个目标工具中每个的工具调用代码,生成目标程序代码。
其中,程序代码生成装置500中的单元510、单元520执行的操作与上述程序代码生成方法中步骤S201、步骤S202的操作类似,在此不做赘述。
在一些实施例中,上述程序代码生成装置还可以包括:第一确定单元,被配置为基于问题文本与预设工具库中的多个第二预设工具中每个的功能描述信息的语义相似度,在多个第二预设工具中确定至少一个第一预设工具;以及第二确定单元,被配置为基于问题文本与预设示例库中的至少一个第二程序代码示例中每个的语义相似度,在至少一个第二程序代码示例中确定至少一个第一程序代码示例。
在一些实施例中,第一操作基于程序代码生成模型实现,生成单元可以被进一步配置为:基于包含至少一条预设指令文本的预设指令模板,将问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例整合为目标指令文本;以及将目标指令文本输入程序代码生成模型,以使程序代码生成模型执行第一操作,以生成目标程序代码,其中,至少一条预设指令文本用于指示问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例在目标程序代码生成过程中的作用。
在一些实施例中,上述程序代码生成装置还可以包括:第二获取单元,被配置为获取上下文信息;并且其中,生成单元可以被进一步配置为:基于问题文本、上下文信息、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,生成目标程序代码。
在一些实施例中,如图6所示,提供了一种程序代码生成模型的训练装置600,包括:
第一获取单元610,被配置为获取样本数据,样本数据包括样本问题文本、至少一个样本工具、至少一个程序代码示例以及样本程序代码,其中,样本文本包括用户需求,至少一个样本工具中的每个包括功能描述信息,样本程序代码包括至少一个样本工具中的用于解决用户需求的至少一个目标工具以及至少一个目标工具中每个的工具调用代码,至少一个程序代码示例对应至少一个示例问题并且每个程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及至少一个示例工具中每个的工具调用代码;
生成单元620,被配置为基于样本问题文本、至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用程序代码生成模型执行下述第一操作,以生成程序代码预测结果:
基于样本问题文本、至少一个样本工具的每个的功能描述信息以及至少一个程序代码示例,在至少一个样本工具中确定用于解决用户需求的至少一个预测工具;
基于样本问题文本、至少一个预测工具中每个的功能描述信息以及至少一个程序代码示例,生成至少一个预测工具中每个的工具调用代码;以及
基于至少一个预测工具中每个的工具调用代码,生成程序代码预测结果;以及
调整单元630,被配置为基于程序代码预测结果和样本程序代码,调整程序代码生成模型的参数。
其中,程序代码生成模型的训练装置600中的单元510~单元530执行的操作与上述程序代码生成模型的训练方法中步骤S401~步骤S203的操作类似,在此不做赘述。
根据本公开的实施例,还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
参考图7,现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示,电子设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储电子设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
电子设备700中的多个部件连接至I/O接口705,包括:输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向电子设备700输入信息的任何类型的设备,输入单元706可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类型的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许电子设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、802.11设备、WiFi设备、WiMax设备、蜂窝通信设备和/或类似物。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理,例如上述程序代码生成方法或程序代码生成模型的训练方法。例如,在一些实施例中,上述程序代码生成方法或程序代码生成模型的训练方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到电子设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上述程序代码生成方法或程序代码生成模型的训练方法的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述程序代码生成方法或程序代码生成模型的训练方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本发明的范围并不由这些实施例或示例限制,而是仅由授权后的权利要求书及其等同范围来限定。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (20)
1.一种程序代码生成方法,包括:
获取用户的问题文本,所述问题文本包括用户需求;以及
基于所述问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,执行下述第一操作,以生成目标程序代码:
基于所述问题文本、所述至少一个第一预设工具中每个的功能描述信息以及所述至少一个第一程序代码示例,在所述至少一个第一预设工具中确定用于解决所述用户需求的至少一个目标工具,其中,所述至少一个第一程序代码示例对应至少一个示例问题,并且每个第一程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及所述至少一个示例工具中每个的工具调用代码;
基于所述问题文本、所述至少一个目标工具中每个的功能描述信息以及所述至少一个第一程序代码示例,生成所述至少一个目标工具中每个的工具调用代码;以及
基于所述至少一个目标工具中每个的工具调用代码,生成所述目标程序代码。
2.根据权利要求1所述的方法,还包括:
基于所述问题文本与预设工具库中的多个第二预设工具中每个的功能描述信息的语义相似度,在所述多个第二预设工具中确定所述至少一个第一预设工具;以及
基于所述问题文本与预设示例库中的至少一个第二程序代码示例中每个的语义相似度,在所述至少一个第二程序代码示例中确定所述至少一个第一程序代码示例。
3.根据权利要求1或2所述的方法,其中,所述第一操作基于程序代码生成模型实现,基于所述问题文本、所述至少一个第一预设工具中每个的功能描述信息以及所述至少一个第一程序代码示例,生成所述目标程序代码包括:
基于包含至少一条预设指令文本的预设指令模板,将所述问题文本、所述至少一个第一预设工具中每个的功能描述信息以及所述至少一个第一程序代码示例整合为目标指令文本;以及
将所述目标指令文本输入程序代码生成模型,以使所述程序代码生成模型执行所述第一操作,以生成所述目标程序代码,其中,所述至少一条预设指令文本用于指示所述问题文本、所述至少一个第一预设工具中每个的功能描述信息以及所述至少一个第一程序代码示例在所述目标程序代码生成过程中的作用。
4.根据权利要求2或3所述的方法,还包括:
获取上下文信息;并且
其中,所述基于所述问题文本、所述至少一个第一预设工具中每个的功能描述信息以及所述至少一个第一程序代码示例,生成所述目标程序代码包括:
基于所述问题文本、所述上下文信息、所述至少一个第一预设工具中每个的功能描述信息以及所述至少一个第一程序代码示例,生成所述目标程序代码。
5.根据权利要求2-4中任一项所述的方法,其中,所述多个第二预设工具包括具备输入参数以及所述输入参数的参数描述信息的第三预设工具,所述至少一个第二程序代码示例中具有所述第三预设工具的程序代码示例中包括所述输入参数的设置信息,所述设置信息用于指导目标工具包含第三预设工具的目标程序代码中的参数获取代码的生成。
6.根据权利要求1-5中任一项所述的方法,其中,所述至少一个目标工具的数量为多个,所述目标程序代码中还包括所述至少一个目标工具之间的依赖关系。
7.根据权利要求1-6中任一项所述的方法,还包括:
执行所述目标程序代码,以获取至少一个目标反馈信息;
基于所述问题文本和所述至少一个目标反馈信息,生成用于回复所述问题文本的回复信息。
8.一种程序代码生成模型的训练方法,包括:
获取样本数据,所述样本数据包括样本问题文本、至少一个样本工具、至少一个程序代码示例以及样本程序代码,其中,所述样本文本包括用户需求,所述至少一个样本工具中的每个包括功能描述信息,所述样本程序代码包括所述至少一个样本工具中的用于解决所述用户需求的至少一个目标工具以及所述至少一个目标工具中每个的工具调用代码,所述至少一个程序代码示例对应至少一个示例问题并且每个程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及所述至少一个示例工具中每个的工具调用代码;
基于所述样本问题文本、所述至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用所述程序代码生成模型执行下述第一操作,以生成程序代码预测结果:
基于所述样本问题文本、所述至少一个样本工具的每个的功能描述信息以及所述至少一个程序代码示例,在所述至少一个样本工具中确定用于解决所述用户需求的至少一个预测工具;
基于所述样本问题文本、所述至少一个预测工具中每个的功能描述信息以及所述至少一个程序代码示例,生成所述至少一个预测工具中每个的工具调用代码;以及
基于所述至少一个预测工具中每个的工具调用代码,生成程序代码预测结果;以及
基于所述程序代码预测结果和所述样本程序代码,调整所述程序代码生成模型的参数。
9.根据权利要求8所述的方法,其中,基于所述样本问题文本、所述至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用所述程序代码生成模型生成所述程序代码预测结果包括:
基于包含至少一条预设指令文本的预设指令模板,将所述样本问题文本、所述至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例整合为目标指令文本;以及
将所述目标指令文本输入所述程序代码生成模型,以使所述程序代码生成模型执行所述第一操作,以生成所述程序代码预测结果,其中,所述至少一条预设指令文本用于指示所述样本问题文本、所述至少一个样本工具中每个的功能描述信息以及所述至少一个程序代码示例在所述程序代码预测结果生成过程中的作用。
10.根据权利要求8或9所述的方法,其中,所述样本数据还包括至少一个样本历史对话,所述基于所述样本问题文本、所述至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用所述程序代码生成模型生成所述程序代码预测结果包括:
基于所述样本问题文本、所述至少一个样本历史对话、所述至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用所述程序代码生成模型生成所述程序代码预测结果。
11.根据权利要求9或10所述的方法,其中,所述至少一个样本工具包括具备输入参数以及所述输入参数的参数描述信息的第一工具,所述至少一个程序代码示例中具有所述第一工具的程序代码示例中包括所述输入参数的设置信息,所述设置信息用于指导预测工具包含第一工具的程序代码预测结果中的参数获取代码的生成。
12.根据权利要求8-11中任一项所述的方法,其中,所述至少一个目标工具的数量为多个,所述样本程序代码中还包括所述至少一个目标工具之间的依赖关系。
13.一种程序代码生成装置,包括:
第一获取单元,被配置为获取用户的问题文本,所述问题文本包括用户需求;以及
生成单元,被配置为基于所述问题文本、至少一个第一预设工具中每个的功能描述信息以及至少一个第一程序代码示例,执行下述第一操作,以生成目标程序代码:
基于所述问题文本、所述至少一个第一预设工具中每个的功能描述信息以及所述至少一个第一程序代码示例,在所述至少一个第一预设工具中确定用于解决所述用户需求的至少一个目标工具,其中,所述至少一个第一程序代码示例对应至少一个示例问题,并且每个第一程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及所述至少一个示例工具中每个的工具调用代码;
基于所述问题文本、所述至少一个目标工具中每个的功能描述信息以及所述至少一个第一程序代码示例,生成所述至少一个目标工具中每个的工具调用代码;以及
基于所述至少一个目标工具中每个的工具调用代码,生成所述目标程序代码。
14.根据权利要求13所述的装置,还包括:
第一确定单元,被配置为基于所述问题文本与预设工具库中的多个第二预设工具中每个的功能描述信息的语义相似度,在所述多个第二预设工具中确定所述至少一个第一预设工具;以及
第二确定单元,被配置为基于所述问题文本与预设示例库中的至少一个第二程序代码示例中每个的语义相似度,在所述至少一个第二程序代码示例中确定所述至少一个第一程序代码示例。
15.根据权利要求13或14所述的装置,其中,所述第一操作基于程序代码生成模型实现,所述生成单元被进一步配置为:
基于包含至少一条预设指令文本的预设指令模板,将所述问题文本、所述至少一个第一预设工具中每个的功能描述信息以及所述至少一个第一程序代码示例整合为目标指令文本;以及
将所述目标指令文本输入程序代码生成模型,以使所述程序代码生成模型执行所述第一操作,以生成所述目标程序代码,其中,所述至少一条预设指令文本用于指示所述问题文本、所述至少一个第一预设工具中每个的功能描述信息以及所述至少一个第一程序代码示例在所述目标程序代码生成过程中的作用。
16.根据权利要求14或15所述的装置,还包括:
第二获取单元,被配置为获取上下文信息;并且
其中,所述生成单元被进一步配置为:
基于所述问题文本、所述上下文信息、所述至少一个第一预设工具中每个的功能描述信息以及所述至少一个第一程序代码示例,生成所述目标程序代码。
17.一种程序代码生成模型的训练装置,包括:
第一获取单元,被配置为获取样本数据,所述样本数据包括样本问题文本、至少一个样本工具、至少一个程序代码示例以及样本程序代码,其中,所述样本文本包括用户需求,所述至少一个样本工具中的每个包括功能描述信息,所述样本程序代码包括所述至少一个样本工具中的用于解决所述用户需求的至少一个目标工具以及所述至少一个目标工具中每个的工具调用代码,所述至少一个程序代码示例对应至少一个示例问题并且每个程序代码示例中包括用于解决相应示例问题的至少一个示例工具以及所述至少一个示例工具中每个的工具调用代码;
生成单元,被配置为基于所述样本问题文本、所述至少一个样本工具中每个的功能描述信息以及至少一个程序代码示例,利用所述程序代码生成模型执行下述第一操作,以生成程序代码预测结果:
基于所述样本问题文本、所述至少一个样本工具的每个的功能描述信息以及所述至少一个程序代码示例,在所述至少一个样本工具中确定用于解决所述用户需求的至少一个预测工具;
基于所述样本问题文本、所述至少一个预测工具中每个的功能描述信息以及所述至少一个程序代码示例,生成所述至少一个预测工具中每个的工具调用代码;以及
基于所述至少一个预测工具中每个的工具调用代码,生成程序代码预测结果;以及
调整单元,被配置为基于所述程序代码预测结果和所述样本程序代码,调整所述程序代码生成模型的参数。
18.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-12中任一项所述的方法。
19.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-12中任一项所述的方法。
20.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现权利要求1-12中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310804799.9A CN116841506B (zh) | 2023-06-30 | 2023-06-30 | 程序代码生成方法及装置、模型训练方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310804799.9A CN116841506B (zh) | 2023-06-30 | 2023-06-30 | 程序代码生成方法及装置、模型训练方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116841506A true CN116841506A (zh) | 2023-10-03 |
CN116841506B CN116841506B (zh) | 2024-05-03 |
Family
ID=88159491
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310804799.9A Active CN116841506B (zh) | 2023-06-30 | 2023-06-30 | 程序代码生成方法及装置、模型训练方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116841506B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080256517A1 (en) * | 2006-10-18 | 2008-10-16 | International Business Machines Corporation | Method and System for Automatically Generating Unit Test Cases Which Can Reproduce Runtime Problems |
US20160306613A1 (en) * | 2013-12-03 | 2016-10-20 | Hewlett Packard Enterprise Development Lp | Code routine performance prediction using test results from code integration tool |
CN112130814A (zh) * | 2020-08-06 | 2020-12-25 | 亿存(北京)信息科技有限公司 | 项目构建方法、装置和电子设备 |
CN112835579A (zh) * | 2021-02-04 | 2021-05-25 | 北京百度网讯科技有限公司 | 确定界面代码的方法、装置、电子设备和存储介质 |
CN112947912A (zh) * | 2019-11-26 | 2021-06-11 | 北京京东尚科信息技术有限公司 | 生成代码的方法、装置、电子设备和存储介质 |
US11106434B1 (en) * | 2020-07-31 | 2021-08-31 | EMC IP Holding Company LLC | Method, device, and computer program product for generating program code |
CN113655996A (zh) * | 2021-08-04 | 2021-11-16 | 北京航空航天大学 | 一种基于需求模型的企业级系统生成方法 |
CN115048102A (zh) * | 2022-03-31 | 2022-09-13 | 阿里巴巴(中国)有限公司 | 代码生成方法、装置、设备和存储介质 |
US20230005284A1 (en) * | 2021-09-18 | 2023-01-05 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method for training image-text matching model, computing device, and storage medium |
CN116048480A (zh) * | 2023-04-04 | 2023-05-02 | 青岛普瑞盛医药科技有限公司 | 一种基于代码工具自动生成图表的方法及装置 |
CN116166271A (zh) * | 2023-02-23 | 2023-05-26 | 抖音视界有限公司 | 代码生成方法、装置、存储介质及电子设备 |
-
2023
- 2023-06-30 CN CN202310804799.9A patent/CN116841506B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20080256517A1 (en) * | 2006-10-18 | 2008-10-16 | International Business Machines Corporation | Method and System for Automatically Generating Unit Test Cases Which Can Reproduce Runtime Problems |
US20160306613A1 (en) * | 2013-12-03 | 2016-10-20 | Hewlett Packard Enterprise Development Lp | Code routine performance prediction using test results from code integration tool |
CN112947912A (zh) * | 2019-11-26 | 2021-06-11 | 北京京东尚科信息技术有限公司 | 生成代码的方法、装置、电子设备和存储介质 |
US11106434B1 (en) * | 2020-07-31 | 2021-08-31 | EMC IP Holding Company LLC | Method, device, and computer program product for generating program code |
CN112130814A (zh) * | 2020-08-06 | 2020-12-25 | 亿存(北京)信息科技有限公司 | 项目构建方法、装置和电子设备 |
CN112835579A (zh) * | 2021-02-04 | 2021-05-25 | 北京百度网讯科技有限公司 | 确定界面代码的方法、装置、电子设备和存储介质 |
CN113655996A (zh) * | 2021-08-04 | 2021-11-16 | 北京航空航天大学 | 一种基于需求模型的企业级系统生成方法 |
US20230005284A1 (en) * | 2021-09-18 | 2023-01-05 | Beijing Baidu Netcom Science Technology Co., Ltd. | Method for training image-text matching model, computing device, and storage medium |
CN115048102A (zh) * | 2022-03-31 | 2022-09-13 | 阿里巴巴(中国)有限公司 | 代码生成方法、装置、设备和存储介质 |
CN116166271A (zh) * | 2023-02-23 | 2023-05-26 | 抖音视界有限公司 | 代码生成方法、装置、存储介质及电子设备 |
CN116048480A (zh) * | 2023-04-04 | 2023-05-02 | 青岛普瑞盛医药科技有限公司 | 一种基于代码工具自动生成图表的方法及装置 |
Non-Patent Citations (5)
Title |
---|
ALESIA SIROTKA: "10+ Best code generation tools [Solutions Guide]", pages 1 - 13, Retrieved from the Internet <URL:《https://flatlogic.com/blog/10-best-low-code-generation-tools-solution-guide/》> * |
C. NEETHU: "Revocable Session Key Generation Using Combined Fingerprint Template", 《2018 INTERNATIONAL CONFERENCE ON CONTROL, POWER, COMMUNICATION AND COMPUTING TECHNOLOGIES (ICCPCCT)》, 13 December 2018 (2018-12-13), pages 1 - 6 * |
于盟: "面向Android的Web Service界面自动生成技术研究", 《万方》, 27 December 2012 (2012-12-27), pages 1 - 56 * |
刘东洋: "数据可视化代码自动生成工具的研究与实现", 《中国优秀硕士学位论文全文数据库 (信息科技辑)》, 15 June 2021 (2021-06-15), pages 138 - 200 * |
风象南: "突破CRUD | 简单优雅的代码生成工具诞生记(万字长文慎入)", pages 1 - 10, Retrieved from the Internet <URL:《https://www.cnblogs.com/yuboon/p/12164814.html》> * |
Also Published As
Publication number | Publication date |
---|---|
CN116841506B (zh) | 2024-05-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112579909A (zh) | 对象推荐方法及装置、计算机设备和介质 | |
CN116521841B (zh) | 用于生成回复信息的方法、装置、设备及介质 | |
CN116303962B (zh) | 对话生成方法、深度学习模型的训练方法、装置和设备 | |
CN114791982B (zh) | 对象推荐方法和装置 | |
CN114443989B (zh) | 排序方法、排序模型的训练方法、装置、电子设备及介质 | |
KR20230006601A (ko) | 정렬 방법, 정렬 모델의 트레이닝 방법, 장치, 전자 기기 및 매체 | |
CN116541536B (zh) | 知识增强的内容生成系统、数据生成方法、设备和介质 | |
US20230245643A1 (en) | Data processing method | |
CN115879469B (zh) | 文本数据处理方法、模型训练方法、装置及介质 | |
CN115600646B (zh) | 语言模型的训练方法、装置、介质及设备 | |
CN116841506B (zh) | 程序代码生成方法及装置、模型训练方法及装置 | |
US20230350940A1 (en) | Object recommendation | |
CN116450917B (zh) | 信息搜索方法及装置、电子设备和介质 | |
CN114861658B (zh) | 地址信息解析方法及装置、设备和介质 | |
CN115809364B (zh) | 对象推荐方法和模型训练方法 | |
CN116842156B (zh) | 数据生成方法及装置、设备和介质 | |
CN116383372B (zh) | 基于人工智能的数据分析方法及系统 | |
CN115713071B (zh) | 用于处理文本的神经网络的训练方法和处理文本的方法 | |
CN118195010A (zh) | 用于生成回复文本的方法、装置、设备及介质 | |
CN117291191A (zh) | 文本处理方法及装置、设备和介质 | |
CN117390445A (zh) | 大语言模型的训练方法、文本处理方法、装置和设备 | |
CN117992675A (zh) | 内容推荐方法、装置、电子设备及存储介质 | |
CN113656534A (zh) | 语料扩充方法、装置、设备和介质 | |
CN115577081A (zh) | 对话方法及装置、设备和介质 | |
CN114611526A (zh) | 实体链接方法及装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |