GitHub, Copilot에 맞춤형 모델 도입으로 코드 완성 향상

GitHub은 AI 기반 코딩 도우미인 Copilot의 성능을 향상시키기 위해 새로운 맞춤형 모델을 발표했습니다. 최신 업데이트는 개발자 피드백을 바탕으로 코드 완성 속도와 정확성을 향상시키고 있습니다.

GitHub Copilot의 업데이트는 더 관련성 있고 효율적인 코드 제안을 제공하는 데 중점을 두고 있습니다. 이러한 개선 사항은 수락 및 유지된 문자 수가 20% 증가하고, 수락률이 12% 높아졌으며, 초당 토큰 처리량이 세 배 증가한 반면 대기 시간이 35% 감소했습니다. 이러한 변화는 다양한 편집기와 환경에서의 전반적인 경험을 향상시켜 개발자가 편집에 소요되는 시간을 줄이고 더 많은 시간을 구축하는 데 집중할 수 있도록 합니다.

수락 및 유지된 문자와 코드 흐름 최적화에 중점을 둠으로써 GitHub은 개발자가 더 유용하고 관련성 있는 제안을 제공하여 생산성을 향상시키는 것을 목표로 하고 있습니다. 업데이트된 모델은 Copilot의 제안 중 더 많은 부분이 최종 코드에 남아 불필요한 키 입력을 줄입니다.

새 모델의 효과를 보장하기 위해 GitHub은 다층 평가 전략을 사용했습니다. 오프라인, 사전 생산 및 생산 평가를 포함하여 코드 완성 경험의 다양한 측면을 개선하는 데 기여했습니다. 모델의 성능은 수락 및 유지된 문자, 수락률 및 대기 시간과 같은 메트릭을 통해 평가되어 실제 적용 가능성과 개발자 만족도를 보장합니다.

새 모델의 훈련 과정은 현대 코드의 큐레이션된 코퍼스를 중간 훈련한 후 감독된 미세 조정 및 강화 학습을 통해 이루어졌습니다. 이 접근 방식은 모델의 유창성, 스타일의 일관성 및 맥락 인식을 보장했습니다. 강화 학습 알고리즘은 코드 품질, 관련성 및 유용성을 향상시키는 데 중점을 두어 개발자에게 더 정확하고 유용한 완성을 제공합니다.

앞으로 GitHub은 Copilot의 기능을 게임 엔진 및 금융 시스템과 같은 도메인별 영역으로 확장할 계획입니다. 팀은 또한 보상 기능을 개선하여 코드 완성의 품질과 관련성을 더욱 향상시키기 위해 작업하고 있습니다. GitHub은 개발자 환경에서 고품질 지원을 계속 제공하기 위해 노력하고 있습니다.

GitHub Copilot의 개선 사항은 개발자 생산성을 향상시키고 코딩 프로세스를 간소화하기 위해 AI를 활용하려는 플랫폼의 의지를 강조합니다. 개발자 피드백을 통합하고 실제 응용 프로그램에 중점을 둠으로써 GitHub은 더 직관적이고 효과적인 코딩 도우미를 제공하는 것을 목표로 하고 있습니다.