PUA式调教AI：代码能力竟能暴增

好的，没问题。我将以一个资深新闻记者和编辑的视角，结合你提供的材料，撰写一篇高质量的新闻报道。

标题：无需复杂技术，只需“PUA”：AI代码水平竟因一句“写更好点”而暴增

引言：

在人工智能领域，我们已经见证了AI在编程方面的惊人潜力。然而，即使是目前最先进的AI模型，其代码能力也并非完美无缺。最近，一个看似简单却又出人意料的实验揭示了一个令人惊讶的现象：通过不断地要求AI“写更好点”，其代码质量竟能显著提升。这个发现不仅引发了广泛的讨论，也让人们重新思考AI的潜力以及我们如何更好地利用它。

主体：

1. “PUA”式提升：AI代码能力的意外突破

BuzzFeed的资深数据科学家Max Woolf进行了一项有趣的实验。他发现，如果通过提示词不断要求AI模型“写更好点（write better code）”，AI模型真的能够写出更好的代码。这一发现迅速在网络上引发热议，著名AI科学家也对此表示关注，并强调了迭代、提示词设计和代码执行能力的重要性。

Woolf在他的深度博客中详细介绍了这一实验，并分析了背后的原因。他将实验代码发布在GitHub上，供大家参考和复现。这个实验的灵感来源于2023年11月OpenAI为ChatGPT添加DALL-E 3图像生成功能后出现的一个meme：用户不断要求AI“让图像更X”，尽管这种做法最终导致图像收敛于某种“宇宙感”，但却引发了人们对提示词影响的思考。

2. 实验过程：从新手代码到优化版本

Woolf的实验从一个面试风格的编程问题开始：给定一个包含100万个随机整数的列表，找出各位数总和为30的最小数和最大数之间的差值。他将这个问题作为提示词提供给Claude 3.5 Sonnet API，并设置温度值为0，以获得最确定的答案。

Claude 3.5 Sonnet给出的初始代码虽然正确，但效率不高，类似于新手程序员的写法。例如，digit_sum()函数使用了字符串和整数之间的类型转换，导致不必要的开销。在Woolf的M3 Pro Macbook Pro上，这段代码平均需要657毫秒才能运行。

接下来，Woolf将初始代码和之前的对话内容一起放入提示词中，并简单地加上一句“write better code”。令人惊讶的是，Claude 3.5 Sonnet输出了修改后的代码，并表示使用了“一些优化技巧”。

3. 迭代的力量：代码质量的持续提升

通过多次迭代，不断要求AI“写更好点”，代码的性能得到了显著提升。例如，在第一次迭代中，AI就使用了更高效的算法来计算各位数之和，避免了类型转换的开销。在后续的迭代中，AI还采用了其他优化技巧，例如使用生成器表达式来提高内存效率。

Woolf发现，经过多次迭代后，代码的运行速度明显加快。他指出，这种迭代式的优化方法，甚至能够让AI模型发现一些更简单的算法优化，而这些优化可能在最初就被忽略了。

4. 启示与反思：AI的潜力与局限

这个实验揭示了AI模型的一个有趣特性：它们可以通过简单的提示词迭代，不断改进自己的代码。这表明，我们可能低估了AI的潜力，以及我们与AI交互的方式对结果的影响。

然而，Woolf也指出，过度迭代可能会导致代码出现某种“宇宙感”，即过度优化，反而降低了代码的可读性和可维护性。因此，在实际应用中，我们需要找到一个平衡点，既要充分利用AI的优化能力，又要避免过度优化带来的负面影响。

5. 专家观点：迭代、提示词和执行能力的重要性

著名AI科学家在看完Woolf的实验后，发出了“迭代很重要，提示词设计很重要，代码执行能力很重要”的感慨。这表明，AI代码能力的提升不仅仅依赖于模型本身，还依赖于我们如何与模型交互，以及如何引导模型进行迭代和优化。

结论：

Woolf的实验为我们提供了一个全新的视角来看待AI编程能力。通过简单的“PUA”式提示，AI模型能够不断改进自己的代码，这为我们利用AI提高生产力提供了新的思路。然而，我们也需要注意过度优化带来的风险，并找到一个平衡点。未来，我们需要进一步研究如何更好地与AI模型交互，并利用其潜力来解决更复杂的问题。

参考文献：