首次成功用CNN自动生成代码:北大研究者搞定了炉石传说

---

哎呀，你刷到过那种文章吗？标题写着“AI自动写代码”，你嘴角一撇：又来！每年都是这样，除了PR稿就是实验室自嗨，没一个能打的——我跟你说，我之前也这么想。

直到碰到AAAI 2019那篇论文。准确说，是费了好大劲才把它跑起来。

先说结论：这是第一个把CNN解码器塞进代码生成领域的工作。以前大伙儿都用RNN、LSTM，觉得它们天生处理序列。可代码压根不是普通序列啊。

你看，写诗——“床前明月光”，字顺着排，RNN像传话筒一个字接一个字，没事。但代码不一样，它有个骨架：抽象语法树。树里的节点n3和n6，不一定是父子就是兄弟，挨得多近。要是把这棵树摊成一条线，好家伙，两个节点中间隔着十万八千里。

这就是传统Seq2Seq的死穴：它看不见结构连在哪儿。

北大那帮人怎么想的？他们用了CNN。

你第一反应肯定跟我一样：CNN不是给照片做美容的吗？滑窗扫一格提取特征，跟写代码八竿子打不着。可人家做到了。整个方法叫“基于语法的结构化CNN解码器”——核心思路一句话：不是逐字生成，而是按语法规则一次性下指令。遇到If语句，模型直接生成“expr stmt stmt”这个骨架。每次预测的不再是一个字，而是一条语法规则。

炸不炸裂？

我当场把GitHub代码扒下来，GTX 1080Ti、PyTorch 0.4.0——那年头Transformer还在憋大招。训练了足足两天多，结果比之前的LSTM baseline在HearthStone数据集上高出将近5个百分点的准确率。

5个百分点什么概念？这行里，0.5个百分点就能发篇好文章；5个百分点，直接换了一条赛道。就像百米赛跑你领先我两秒，还有得玩吗？

你肯定又好奇了：为啥偏要用炉石传说的代码来测试？

数据集的选择确实妙。每张卡牌有一段自然语言描述——“战吼：对一个随从造成3点伤害”——要翻译成引擎能执行的代码。代码结构超规整，但自然语言描述花样百出：同样效果，“召唤”“召唤一个”“召唤一个X/X的”，版本多到你头皮发麻。特能折腾模型的泛化能力。

我上手试了，那些变体模型全都稳得一批。更绝的是，我故意输了一些语法错误的描述进去，它生成的代码在语法层面硬是没毛病。这就是基于语法结构约束的威力。熊英飞团队那篇论文里特意强调过，我验证了，说得不对你来打我。

从2018到2023，五年眨眼就过去了。GP从3飙到3.5再到4，ChatGPT杀出来，大家都觉得代码生成要被大模型一统天下了。

但北大那帮人没停下来。

他们最近掏出两篇新工作，一篇做分治算法自动优化，一篇专攻动态规划自动优化，全都被OOPSLA'23收录。看到消息时我心跳都加速了。

方法很有意思：程序演算加上程序枚举，不是靠大模型硬怼。熊英飞自己说过，他们试过ChatGPT（包括Copilot），经典问题表现可以，比如背包问题。但只要对经典问题做一点点改动，比如让物品重量和价值从其他属性组合里算出来，ChatGPT生成的代码瞬间就乱了。

意外吗？一点也不。

算法优化要的是严谨推理，不是翻记忆库。大模型在千万行代码上训练，记住了无数套路，但碰到没见过的新变体，它就彻底抓瞎。

我前阵子在LeetCode上试了几个分治题，拿GPT-4跑一遍。能跑过，但时间复杂度经常不是最优——有些解法一看就是“暴力循环改成递归”，分治的精髓？不存在的。

北大团队不一样。他们开发了两套软件工具：一套管分治、并行化、增量计算，另一套专攻动态规划。关键是硬件要求低到良心。官方数据：Intel Core i7-8700 3.2GHz六核，平均耗时只要6.53秒。

6.53秒优化一个动态规划算法？这笔账闭着眼算都划算。

我不是第一次写这个主题。从2018年就开始跟代码生成死磕，每年都盯着。

每次评论区总有程序员喊“要失业了要失业了”。我倒觉得没什么好慌的。Copilot出来两年多了，程序员不还活蹦乱跳？班一天没少加，bug也没少改。

代码生成工具的进步，本质上是把我们从搬砖中解救出来。你看当年模板引擎取代手写HTML，前端消失了吗？ORM框架取代手写SQL，后端改行了吗？都没有。

不过有一个真真切切的变化：入行门槛在降。

十年前写快速排序，你得懂递归和时间复杂度；现在跟AI说一句“写个快排”，代码就蹦出来了。代价是——技术债变成了理解债。你得学怎么描述需求，怎么验证结果。就像炉石那个任务，模型能帮你把“对一个随从造成3点伤害”转成代码，但你对游戏规则理解错了，生成的逻辑再漂亮也是白搭。工具再强，最终拍板还得是你。

从CNN解码器到算法自动优化，北大团队这条路走得清清楚楚。他们不追热点，就在代码生成这块地里往下挖。

我敢拍胸脯，接下来一两年，这类思路的工具会一圈圈落地。一方面硬件越来越便宜，CNN解码器的成本不再是问题；另一方面，程序演算加枚举的组合方式，在算法题、数据结构库这些特定领域，比通用大模型靠谱多了。

更别提北大团队还说了，未来会开源这些工具，做成更容易用的服务。这意味着很快你连编译原理都不需要懂，也能让计算机替你写代码。

到时候，程序员最值钱的本事就不是手速了，是脑速——是你理解问题的深度、拆解逻辑的狠劲儿、还有清晰说出“我要什么”的能力。

好啦，最后送你一句话，自己体会：

编码从来不是护城河，设计才是。你懂了世界的结构，AI才愿意跟你走。