CursorCore: Assist Programming through Aligning Anything

要約

コードの完了、コード挿入、教育コード編集などのプログラミング支援タスクには、大規模な言語モデルが正常に適用されています。
ただし、これらのアプリケーションは、コーディング履歴、現在のコード、ユーザーの指示など、プログラミングプロセス中にさまざまな種類の情報を効果的に統合するために自動化されていないままであり、苦労しています。
この作業では、これらの情報源を包括的に統合し、データを収集してモデルを訓練し、そのパフォーマンスを評価する新しい会話フレームワークを提案します。
第一に、モデルがさまざまな種類の情報とその出力の品質とどの程度うまく調整されるかを徹底的に評価するために、プログラミング支援タスクにおけるモデルのパフォーマンスを包括的に評価するために、新しいベンチマークであるApeval（Assist Programming Eval）を導入します。
次に、データ収集のために、GitHubやオンラインジャッジプラットフォームなどの多様なソースからのトレーニングデータを合成するデータ生成パイプライン、プログラミングインストラクチャを開発します。
このパイプラインは、プログラミングプロセス全体でさまざまなタイプのメッセージを自動的に生成できます。
最後に、このパイプラインを使用して、219kのサンプルを生成し、複数のモデルを微調整し、カーソルコアシリーズを開発します。
Carsorcoreが同等のサイズの他のモデルよりも優れていることを示します。
このフレームワークは、インラインチャットや自動編集などのアプリケーションを統合し、コーディングアシスタントの進歩に貢献します。
コード、モデル、およびデータは、https://github.com/techxgenus/cursorcoreで無料で入手できます。

要約(オリジナル)

Large language models have been successfully applied to programming assistance tasks, such as code completion, code insertion, and instructional code editing. However, these applications remain insufficiently automated and struggle to effectively integrate various types of information during the programming process, including coding history, current code, and user instructions. In this work, we propose a new conversational framework that comprehensively integrates these information sources, collect data to train our models and evaluate their performance. Firstly, to thoroughly evaluate how well models align with different types of information and the quality of their outputs, we introduce a new benchmark, APEval (Assist Programming Eval), to comprehensively assess the performance of models in programming assistance tasks. Then, for data collection, we develop a data generation pipeline, Programming-Instruct, which synthesizes training data from diverse sources, such as GitHub and online judge platforms. This pipeline can automatically generate various types of messages throughout the programming process. Finally, using this pipeline, we generate 219K samples, fine-tune multiple models, and develop the CursorCore series. We show that CursorCore outperforms other models of comparable size. This framework unifies applications such as inline chat and automated editing, contributes to the advancement of coding assistants. Code, models and data are freely available at https://github.com/TechxGenus/CursorCore.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google