AI正在使全球的代码质量下降！最近，GitClear发布的一项调查报告显示，用AI写代码，会让代码的质量和可维护性不断下降。这引起了全网热烈讨论：「借助AI提供商，您可以将代码生成速度提高50%（即使是您不理解或无法编写的代码），但代价是代码的质量和可持续性不断下降。」「我们要追求的，到底是质量还是速度？」调查中，GitClear分析了从2020年1月到2023年12月之间编写的1.53亿行代码更改数据，——1.53亿行代码，是目前已知最大的用于评估代码质量差异的数据集。调查发现了什么？我们先看下面这张图：图中展示了4年中的代码改动率——编写后不到两周就被撤销或更新的代码行百分比，——深色部分

随着GPT-4的架构被知名业内大佬「开源」，混合专家架构（MoE）再次成为了研究的重点。GPT-4拥有16个专家模型，总共包含1.8万亿个参数。每生成一个token需要使用大约2800亿参数和560TFLOPs。然而，模型更快、更准确的代价，则是巨大的参数量，和随之而来的高昂成本。比如，1.6万亿参数的SwitchTransformer-c2048模型，需要3.2TB的GPU显存才能有效运行。为了解决这一问题，来自奥地利科技学院（ISTA）的研究人员提出了一种全新的压缩和执行框架——QMoE。论文地址：https://arxiv.org/abs/2310.16795通过采用专门设计的GPU解码