Claude在MLIR代码分析上完全超越了ChatGPT并表现十分惊艳
2023年11月20日 每日一猜答案：。 答案：ABC。 每日一猜答案分析：
clau de nell,clair dames,clair deClaude在MLIR代码分析上完全超越了ChatGPT并表现十分惊艳，请阅读全文或者自己注册感受它的强大。结论：在本文的任务中，Claude > ChatGPT >> NewBing
这里将以oneflow IR部分中的一个Codegen任务（目标是在mlir codegen中支持oneflow stream，用oneflow stream替换pass中自己生成的stream，PR链接为：【【网址】】/Oneflow-Inc/oneflow/pull/10149）为例，来对比一下newibing(chatgpt)和claude对mlir的理解能力。claude是Anthropic公司推出的类似于chatgpt的聊天机器人，这家公司是OpenAI的最大竞争对手之一，因为创办这家公司的人也是OpenAI的前员工。然后Claude是参考这个issue: https://www.zhihu.com/question/【【QQ微信】】/【【微信】】/【【QQ微信】】 将其直接添加到slack里进行对话。
PR链接为：【【网址】】/Oneflow-Inc/oneflow/pull/10149
这个PR实现了3个Pass (定义在 )，也就是：
EliminateAllocOpsPass用来消除IR中的无效memref.alloc指令，AppendOneFlowStreamPass给GPU相关的函数添加GPU启动【【微信】】需要的stream参数，MgpuToOneFlowStreamPass发生在AppendOneFlowStreamPass执行之后(它生成了stream参数)并把mgpu相关的stream abi替换为oneflow stream abi。
我们分别使用newbing和claude来让它们分析一下这几行中定义的Pass意图：
newbing：
newbing直接看不懂，其实我感觉claude也应该看不懂吧，抱着怀疑的态度问一下。
太疯狂了，claude不仅读懂了td文件的代码，甚至为我们列出了这个代码涉及到的MLIR概念。感觉是训练数据考虑了MLIR相关的预料？接下来我们再对比下C++实现的Pass代码。
PR链接为：【【网址】】/Oneflow-Inc/oneflow/pull/10149
EliminateAllocOpsPass使用MLIR提供的PDL语言来完成Pattern的匹配和重写，具体实现在 ：
接下来，我们分别对比一下newbing和chatgpt对它的分析结果。
newbing并不能解析出这段代码是MLIR的PDL语言，当然也无法理解代码内容。我们可以再使用Claude试试。
个人感觉这个解释是非常强大且精准的，Claude的答案非常惊艳。
接下来我们看一下AppendOneFlowStreamPass的实现，这个实现是在这个文件，具体代码如下：
c++代码newbing（chatgpt）按道理可以看懂了，我们让它分析一下：
直接问chatgpt，它还是不懂这段代码。我手动提示了下它说，这段代码定义了一个mlir pattern，然后它先是重复我的话给出了一段回答。然后接下来就是胡说八道了，在这个例子中表现很差。接下来我们拷问一下Claude：
我们继续问一下c++代码中的一些细节：
非常强大，给出的解释大多比较精准，并且似乎Claude真的完全理解了这段代码的逻辑。我们需要注意的是，这段代码是我同事今天才写的，模型的泛化性真的很好。
我们最后再分析下MgpuToOneFlowStreamPass的实现。
还是先让chatgpt分析下：
回答还是比较模棱两可，并且可以确定的事情是chatgpt完全没有理解这段代码。
接下来还是使用Claude来测试下：
这个地方让我震惊的点是，它不仅理解了这段代码，而且知道在MLIR里面这段代码只是一个Pattern规则，如果要应用这个规则需要在MLIR里面再构建一个Pass。最后我们再让Claude给我们一些Review意见：
这里的第4点提示让我感到有些疑惑，我还请教了下同事，顺便让同事补充一下注释。
整体来说，在阅读MLIR代码方面，Claude已经相当智能，全面领先Newbing（Chatgpt），感觉以后可以日常用Claude来辅助Review IR相关代码。
我这里以MLIR的一个任务对比了一下ChatGpt和Claude，我感受到了Calude的强大之处。虽然暂时还没有评测过别的任务，但我已经被Calude表现出来的代码分析能力所震撼。我们甚至可以将Claude作为一个入门AI编译器的入门工具
--------------------------------分割线-------------------------------------
评论区有朋友提出newbing的一些功能被限制了，并不等价于chatgpt3.5，我借了一个官方的chatgpt账号重新测试了一下，以下是测试结果：
就这个例子来说，chatgpt的解释没有Claude那么细节，Claude的结果确实比chatgpt的好一点，不过chatgpt确实知道这个是MLIR的Pass，不像newbing那样被限制。
接下来问问 EliminateAllocOpsPass 的实现：
我们可以对比下上面Calude的结果，感觉针对这个问题ChatGPT的描述以及理解是不如Claude那么自然的。从这个回答里面我们并不能看出ChatGPT理解了这个实现的原理，而Claude则完全理解了。
对比下Claude：
可以看到Claude的分析比ChatGPT好很多，它明确的知道 这行代码是检查当前函数是否已经有Stream参数，而ChatGPT的回答则不知道这个指针类型的参数就代表Stream。
接下来是细节分析。
对比下Claude
Claude的解释再次击败了ChatGPT
对比下Claude
可以看到Claude的结果显然也是更优的，不仅为我们解释了所有细节还列出了用到的MLIR相关属性和接口。
我们最后再分析下MgpuToOneFlowStreamPass的实现。
对比Claude
Claude的结果也显著优于ChatGPT，并且可以发现ChatGPT的回答里面还漏掉了一个mgpuStreamSynchronize ABI。最后，我们再问一下ChatGPT能不能给出一些修改意见。
感觉和Claude差不多。
整体来看，在这个Re【【微信】】代码的任务中，Claude > ChatGPT >> NewBing
审核编辑 ：李倩
谈谈ChatGPT未来发展思路 chatgpt如何变现
谈谈chatGPT与人类社会生存发展的关系,谈谈chatGPT对职业的冲击?,谈谈childlessness的看法,谈谈创新最近有很多小伙伴过来咨询：老师，有没有适合新手小白，无需引流，仅需复制粘贴就能操作的项目。
这类型的项目有是有，但是一分耕耘一分收获，简单的事，收益就简单，稍微需要费脑子的项目，就是另外一份收益。
就像是我们出去找工作一样，技术人员和普通工人的待遇肯定是不一样的。
不过既然有小伙伴需要，今天就分享一个搬砖副业——百度经验悬赏项目
在百度经验悬赏排行榜上面，月收益第一的人接近500元，如果批量多账号操作，一个月赚个几千块还是没有问题的。
毕竟是无脑搬砖项目，有这点钱还可以了，只要你肯去做，就一定能赚到钱，赚多赚少，看个人执行力。
具体怎么操作呢？
一、注册账号
搜索进入百度经验官网，用个人信息注册账号，点击【悬赏令】
二、领取任务
在悬赏任务这一栏有优质悬赏，普通悬赏和新手悬赏，还可以搜索关键词针对性的搜索问题。
问题基本上是1元-2.5元之间，选择咱们感兴趣的任务，点击领取之后，就可以去回答了。
三、回答任务注意事项
在我们回答问题的时候，平台已经给出了如下图的模板，我们只需要按照模板把该填充的内容填充即可
四、那如何做出高质量的内容？
做内容这方面，刚开始可以自己原创，但长期做这个项目，知识储备肯定不够，建议小伙伴们可以做高质量伪原创。
在知乎，小红书，今日头条，百家号等找高质量答案，再用伪原创工具进行伪原创，如果是视频，可以把视频转化为文字，然后再用自己的话表述出来，这样质量也会很高。
以上就是这个项目的分享，只要坚持去操作，一定是能赚到钱的。
今天的内容就分享到这里，希望能帮助到大家！
- 爱奇艺搬砖项目，月入3-5000+没问题，新手小白无脑怼就完了（41）
- 爱奇艺搬砖项目，月入3-5000+没问题，新手小白无脑怼就完了（40）
- 爱奇艺搬砖项目，月入3-5000+没问题，新手小白无脑怼就完了（39）
- 爱奇艺搬砖项目，月入3-5000+没问题，新手小白无脑怼就完了（38）
- 爱奇艺搬砖项目，月入3-5000+没问题，新手小白无脑怼就完了（37）
