Dagshub 的博客分享了 #CopilotNotCode 的趣事:文章作者 Ido 发现 Copilot 在一些对讲格式中,会自动完成一些「对话」,比如 q: Are you here? a: Yes, I am here. q: Who are you? a: I am a computer program. 其中 q 是作者手打的,a 是 Copilot 自动生成的。Copilot 还会创作诗歌。
Dagshub 的博客分享了 #CopilotNotCode 的趣事:文章作者 Ido 发现 Copilot 在一些对讲格式中,会自动完成一些「对话」,比如 q: Are you here? a: Yes, I am here. q: Who are you? a: I am a computer program. 其中 q 是作者手打的,a 是 Copilot 自动生成的。Copilot 还会创作诗歌。
本文作者将 GitHub Copilot 用于非代码场景,通过提供 Q&A 格式或说话人提示让其用英语对话、回答问题,还能将代码转为伪代码描述、续写诗歌、生成博客想法以及完成数列。实验显示其在理解英语语气和格式上存在差异,且能基于有限上下文生成合理输出。
本文说明 Codex 是 OpenAI 在 GPT-3 基础上开发的代码专用模型,参数 120 亿、训练数据来自 GitHub 与 Stack Exchange,速度更快且上下文记忆更强。作者用其进行非代码实验,发现其仍保留较好的英语理解与生成能力。
文章演示通过特定提示格式(如“Pseudo code:”、Q&A结构、Human/AI对话标签、大小写变化)引导Copilot输出,体现了提示设计对模型行为的关键影响,并推荐了相关Prompt Management文章。
文章通过实验展示Codex(基于GPT-3的LLM)虽经代码微调,仍能完成对话、总结维基页面、生成博客想法和诗歌等非代码任务,证明其通用能力超出预期。
文章末尾“为你推荐”板块将本文归入MLOps Podcast系列,关联了多篇关于构建可扩展ML模型和LLM应用的播客与文章。
本文结尾更新说明,该博客文章登上Hacker News首页,作者提供了讨论链接,鼓励读者前往查看和参与交流。
作者自称是 DagsHub 的全栈开发者,该博客发布于 DagsHub Blog,文章结尾邀请读者在 DagsHub 的 Discord 分享实验结果。
文章提到 OpenAI 于 2020 年 6 月发布 GPT-3,该模型擅长自然语言理解并具备一定编码能力,参数量达 1750 亿。作者因无法获得 API Key,转而尝试基于其衍生模型的免费工具。
文中提到 Microsoft 推出 GitHub Copilot,作者因此报名等待列表并获得访问权限,用于日常编码及非代码实验。
文章指出 OpenAI 发布了 GPT-3 并随后开发 Codex,后者被用于 GitHub Copilot。作者提到 OpenAI 最初的 GPT-3 公测因无 API Key 而未直接使用。
可左右滑动查看