地表最强AI工程师Genie，碾压Devin，像人类工程师一样解决软件问题！

在人工智能领域，一项新的突破正在重塑我们对编程的认知。Cosine公司开发的Genie，一款超越了Devin的AI软件工程师，以其卓越的性能和能力，正在引领一场技术革命。Genie不仅仅是一个编程助手，它能够像人类软件工程师一样思考和行动，自主完成编码任务，甚至与用户协作解决问题。团队只有5人，如此高效，广大程序员们不禁感叹以及慌乱，不拥抱AI还有活路吗？

Waitlist地址：
https://cosine.sh/register

Genie的诞生，标志着AI在软件工程领域的应用达到了新的高度。它在SWE-Bench测试中的得分高达30.08%，轻松超越了Devin的13.8%。这一成绩的背后，是Genie接受了数十亿token数据的训练，通过Cosine的专有流程开发，并使用了OpenAI的模型。Genie能够模拟人类工程师的认知过程，从观察人类工程师的工作方式到模仿这一过程，Genie展现了其独特的能力。

Cosine的联合创始人兼CEO Alistair Pullen表示，Genie的能力远不止一个基准测试分数所能概括。它被设计成像人类软件工程师一样思考和行动，这意味着Genie能够理解复杂的编程任务，并提供创新的解决方案。Genie的代码存储在用户的GitHub仓库中，确保了数据的安全性和隐私性。

Genie的研发过程充满了挑战和创新。Cosine团队花费了近一年的时间整理数据集，包括来自真实工程师的大量软件开发活动。这些数据的获取和有效利用是极其困难的，因为这些数据本质上是不存在的。团队从追踪软件工程师的开发轨迹开始，收集pull request、commits、来自OSS存储库的issue等数据，然后通过取证方式导出推理过程，重建出人类是如何得到最终结论的。

Genie的技术报告中列出了训练数据包含的15种语言，涵盖了Java、JS、C、C++、C#、Rust、Python等热门语言，以及常用的Scala、Kotlin、Swift、PHP等。其中，JavaScript、Python、TypeScript和TSX是数据集中占比最多的语言。

这一专有数据集是第一版模型训练的基础，剩下的工作由自我对弈和自我改进完成。

Genie的自主性循环由四个主要过程组成：计划、检索、代码编写和代码运行。这些过程本身并不新颖，但由于Genie被训练成像人类一样执行任务，因此有了更大程度的改进。Pullen断言，通过使用这个数据集实际训练模型，Genie不再只是随机生成代码，而是像人类一样处理问题。

在模型开发过程中，团队主要使用了两个基准进行评估——SWE-Bench和HumanEval。Genie在SWE-Bench的表现非常亮眼，取得了迄今为止的最高分数。此外，团队还单独测试了模型的信息检索能力，特别是检索所需代码文件的正确部分的能力。测试中，Genie成功检索到了142,338行中所需的91,475行代码，得分为64.27%。

Cosine是通过硅谷著名的Y Combinator创业加速器成立的。该公司是一个人类推理实验室，专注于研究和整理人类执行任务的方式，旨在教会人工智能模仿、擅长并扩展这些任务。2022年，Alistair Pullen、Sam Stenner和Yang Li联合创立了Cosine，将其定位为人类推理实验室。他们希望从软件工程领域开始，推动智能的发展。

Cosine拥有一支规模不大但技术精湛的团队，已经在人工智能领域取得了长足的进步，Genie只是一个开始。Pullen在公告博文中表示，他们真心相信，能够为任何工作和行业重现人类推理。软件工程只是一个最直观的起点，他们迫不及待地想向大家展示正在研究的其他一切。
Genie的推出对软件开发团队具有深远影响，尤其是那些希望提高生产率、减少日常工作时间的团队。凭借自主处理复杂编程挑战的能力，Genie有可能改变工程资源的分配方式，让团队专注于更具战略性的计划。Pullen写道，工程资源不再是制约因素的想法，对他来说是一个巨大的驱动力。

Cosine为Genie的未来发展制定了雄心勃勃的计划。他们正在加速推进，通过Genie革新技术团队。他们的主要目标是平衡实际产品与前沿研究。这包括完善数据集以增强Genie的能力，扩展其模型组合，将工作扩展到开源社区，以及使用特定代码库微调Genie。随着公司不断完善Genie，将不断向客户发布更新，优化与这个人工同事的互动并收集有价值的反馈。

Li在推特中畅想，Cosine旨在将人类的推理能力编码化，未来不再有过采样，也不再有copilot。这是一个令人兴奋的前景，预示着人工智能在软件开发领域的应用将更加广泛和深入。随着Genie等AI软件工程师的不断发展和完善，我们有理由相信，人工智能将为软件开发带来更多的可能性和创新。

本文由mdnice多平台发布