एआईबेस रिपोर्ट - एप्पल अनुसंधान टीम ने अपने नवीनतम पेपर "यूआईकोडर: बड़े भाषा मॉडल के स्वचालित फीडबैक द्वारा अनुकूलन के माध्यम से उपयोगकर्ता सीमा कोड उत्पादन" में, एक उल्लेखनीय तकनीकी अभियान के बारे में दिखाया: ओपन-सोर्स मॉडल को स्वयं आईओएस यूजर इंटरफेस विकास में सीखने के लिए सफलतापूर्वक प्रशिक्षित किया गया।
हालाँकि, बड़े भाषा मॉडल रचनात्मक लेखन और कोडिंग के क्षेत्र में अच्छा प्रदर्शन करते हैं, लेकिन "सिंटैक्स सही, डिज़ाइन अच्छा UI कोड" उत्पादन में अभी भी स्पष्ट कमजोरी है। अनुसंधान टीम ने नोट किया कि चाहे डेटा सेट कितना ही ध्यान से चुना गया हो, UI कोड उदाहरण बहुत ही दुर्लभ हैं, कुछ कोड डेटा सेट में 1% से कम हैं।
अनुसंधान टीम ने ओपन-सोर्स प्रोग्रामिंग मॉडल StarChat-Beta के आधार पर, अद्वितीय स्वचालित फीडबैक चक्र विधि का उपयोग किया: डेटा उत्पादन : मॉडल को UI विवरण सूची प्रदान करके, उसे बहुत सारे SwiftUI प्रोग्राम संश्लेषित डेटा सेट उत्पादित करने के लिए निर्देशित किया गया गुणवत्ता चयन : स्विफ्ट कंपाइलर के माध्यम से कोड की चलने योग्यता की जांच करके, GPT-4V दृश्य मॉडल के माध्यम से बनाई गई सीमा और मूल विवरण की तुलना की गई अनुकूलन : कंपाइल विफल, असंबंधित या दोहराए गए आउटपुट को हटा दिया गया, उच्च गुणवत्ता वाले शिक्षण डेटा को बरकरार रखा गया।
पांच चक्रों के बाद, टीम के पास 996,000 SwiftUI कार्यक्रमों वाला एक बड़ा डेटा सेट प्राप्त हुआ और UICoder मॉडल सफलतापूर्वक प्रशिक्षित किया गया।
परीक्षण परिणामों ने दिखाया कि UICoder ऑटोमेटिक इंडेक्स और मानव मूल्यांकन में आधारभूत StarChat-Beta मॉडल से बहुत अधिक बेहतर है, समग्र गुणवत्ता में GPT-4 के समान है, और कंपाइल सफलता दर तक GPT-4 से भी अधिक है।
अनुसंधान में एक महत्वपूर्ण खोज डेटा विश्लेषण से हुई: StarChat-Beta के मूल शिक्षण डेटा में लगभग कोई SwiftUI सामग्री नहीं थी। TheStack डेटा सेट बनाते समय, Swift कोड लाइब्रेरी अकस्मात बाहर रखी गई थी, OpenAssistant-Guanaco डेटा सेट में केवल 1/10000 स्विफ्ट कोड उदाहरण थे।
यह खोज UICoder के प्रदर्शन में सुधार वास्तविक शिक्षा में हुई है, जो नए डेटा के पुनर्संगठन के कारण नहीं है, बल्कि स्वचालित फीडबैक चक्र के माध्यम से निर्मित स्व-उत्पादित चयनित डेटा सेट के कारण हुई है।
अनुसंधान टीम ने कहा कि इस विधि की सफलता अन्य प्रोग्रामिंग भाषाओं और यूजर इंटरफेस टूलकिट में अनुप्रयोग के संभावना की पुष्टि करती है, जिससे AI सहायता सॉफ्टवेयर विकास के लिए नए संभावना खोलती है।
पेपर का पता: https://arxiv.org/html/2406.07739v1