Джеймс Динг
23 апр. 2025 15:11
Qodo улучшает поиск кода и рабочие процессы качества программного обеспечения с помощью ИИ на базе NVIDIA DGX, предлагая инновационные решения для систем обеспечения целостности кода и генерации с дополнением поиска.
Qodo, видный участник программы NVIDIA Inception, трансформирует ландшафт поиска кода и рабочих процессов качества программного обеспечения благодаря инновационному использованию технологии NVIDIA DGX. Многоагентная платформа обеспечения целостности кода компании использует продвинутых агентов на базе ИИ для автоматизации и улучшения таких задач, как c
Написание, тестирование и обзор кода, согласно блогу NVIDIA.
Инновационные ИИ-решения для целостности кода
Суть стратегии Qodo заключается в интеграции систем генерации с дополнением извлечения (RAG), которые работают на основе современного модели встраивания кода. Эта модель, обученная на платформе NVIDIA DGX, позволяет ИИ более эффективно понимать и анализировать код, обеспечивая, чтобы большие языковые модели (LLM) генерировали точные предложения по коду, надежные тесты и содержательные обзоры. Подход платформы основан на убеждении, что ИИ должен обладать глубоким контекстуальным пониманием для значительного улучшения целостности программного обеспечения.
Проблемы в RAG-пайплайнах, специфичных для кода
Qodo решает проблемы индексирования больших, сложных кодовых баз с помощью надежного пайплайна, который постоянно поддерживает свежий индекс. Этот пайплайн включает в себя извлечение файлов, их сегментацию и добавление описаний на естественном языке к встраиваниям для лучшего контекстуального понимания. Значительным препятствием в этом процессе является точная сегментация больших файлов кода на значимые части, что критически важно для оптимизации производительности и снижения ошибок в коде, сгенерированном ИИ.
Чтобы преодолеть эти проблемы, Qodo использует статический анализ, специфичный для языка, для создания семантически значимых сегментов кода, минимизируя включение нерелевантной или неполной информации, которая может помешать производительности ИИ.
Модели встраивания для улучшенного извлечения кода
Специализированные модели встраивания Qodo…
Модель встраивания, обученная как на языках программирования, так и на документации по программному обеспечению, значительно улучшает точность поиска и понимания кода. Эта модель позволяет системе выполнять эффективные поиски по сходству, извлекая наиболее релевантную информацию из базы знаний в ответ на запросы пользователей.
По сравнению с LLM, эти модели встраивания меньше по размеру и более эффективно распределяются по GPU, что позволяет сократить время обучения и лучше использовать аппаратные ресурсы. Qodo доработала свои модели встраивания, достигнув передовой точности и возглавив таблицу лидеров Hugging Face MTEB в своих категориях.
Успешное сотрудничество с NVIDIA
Замечательное исследование случая подчеркивает сотрудничество между NVIDIA и Qodo, где решения Qodo улучшили внутренние системы RAG NVIDIA для поиска в частных репозиториях кода. Интегрировав компоненты Qodo, включая индексатор кода, извлекатель RAG и модель встраивания, проект достиг превосходных результатов в генерации точных и четких ответов на запросы на основе LLM.
Эта интеграция в внутренние системы NVIDIA продемонстрировала эффективность подхода Qodo, предлагая детализированные технические ответы и улучшая общее качество результатов поиска кода.
Для более подробной информации оригинальная статья доступна на NVIDIA.
блог.
Источник изображения: Shutterstock
