Generering av AI-kode ved bassengkanten
Poolside er en velfinansiert AI-oppstart som bygger grunnmodeller spesialisert utelukkende for programvareutvikling.
Oversikt
Its big bet is that training on real software-engineering feedback, not just scraped code, will produce models that out-code general-purpose LLMs.
Dypdykk
Poolside ble grunnlagt i 2023 av Jason Warner (tidligere GitHub CTO) og Eiso Kant, og bestemte seg for å bygge grensemodeller rettet utelukkende mot kode i stedet for chatbots. Signaturideen er Reinforcement Learning from Code Execution Feedback (RLCEF): i stedet for bare å forutsi neste token, skriver modellen kode, kjører den mot tester og kompilatorer, og lærer av om den faktisk fungerte. Poolside samlet inn omtrent 626 millioner dollar i en serie B fra 2024 til en verdsettelse på 3 milliarder dollar, med støttespillere inkludert Bain Capital Ventures og senere Nvidia. Selskapet selger til bedrifter som ønsker kodemodeller utplassert i deres eget miljø, med vekt på personvern, on-premise eller private-cloud hosting, og assistenter innstilt på en kundes interne repositories i stedet for en delt offentlig API.
Teknisk innsikt
RLCEF behandler kompilatoren og testpakken som et automatisk belønningssignal. Modellen genererer kandidatløsninger, utfører dem, og forsterkende læring presser vekter mot utdata som kompilerer og består tester. Fordi korrekthet kan kontrolleres programmatisk, kan Poolside generere effektivt ubegrenset syntetisk treningstilbakemelding uten menneskelige merker, en skalerbar sløyfe som ren neste-token-foropplæring på statiske kodelagre ikke kan gi alene.
Strategisk innvirkning
Vendor strategy
Leverandørveikart påvirker hvilke funksjoner teamet ditt kan bygge videre.
Cost and budget
Kommersielle vilkår og distribusjonsalternativer påvirker langsiktige kostnader og risiko.
Risiko og sikkerhet
Selskapets insentiver former produktstandarder, sikkerhetsstilling og åpenhet.
Fremtiden for generering av AI-kode ved bassengkanten
Poolside kjører rivaler som OpenAI, Anthropic og Cursor to own enterprise kodegenerering. Forvent dypere agentfunksjoner (redigering av flere filer, autonom oppgavefullføring), strammere distribusjon på stedet for regulerte bransjer og Nvidia-støttet dataskalering. Nøkkelspørsmålet er om en bare-kodebasert modell kan ligge i forkant av generelle grensemodeller som fortsetter å bli bedre i programmering, og om bedrifter betaler en premie for personvern og tilpasning.
Real-World Implementering
Utplassering av en privat kodeassistent i en banks egen infrastruktur slik at proprietær kildekode aldri forlater brannmuren.
Generer og autovaliderer enhetstester ved å kjøre dem i en sandkasse før de foreslås for utviklere.
Hjelper en bedrift med å modernisere en stor eldre kodebase med modellforslag tilpasset selskapets interne biblioteker.
Å gi autofullføring og chat-basert koding hjelper til med å finjustere en kundes spesifikke depoter og kodekonvensjoner.
Risikoer og rekkverk
Lanseringskunngjøringer kan overgå stabiliteten i ekte produksjonsarbeidsflyter.
API-priser eller endringer i retningslinjene kan bryte antagelser over natten.
Avhengighet av én leverandør øker kostnadene for innlåsing og migrering.
Veikart for implementering
Evaluer leverandører ved å bruke dine egne oppgaver og datasett.
Se gjennom personvern, sikkerhet og juridiske vilkår før integrering.
Oppretthold en reserveplan på tvers av modeller eller leverandører.
Overvåk utgivelsesnotater slik at endringer i veikart ikke overrasker teamene.
Fortsett å utforske
Free newsletter
Get the daily AI briefing
Three verified AI stories every weekday morning, written in plain English. Free forever, no ads.
One email each weekday. Unsubscribe in one click. We never sell or share your address.
Test yourself
Take the Poolside AI Code Generation quiz
Instant feedback on every answer, and a shareable certificate with a verifiable ID once you pass a course.
Support free AI education. AI Understanding is a 501(c)(3) nonprofit — no ads, no paywall, ever. Make a donation
Neste guide
Tabnine-kodefullføring
Ofte stilte spørsmål
What is Poolside AI Code Generation?
Poolside er en velfinansiert AI-oppstart som bygger grunnmodeller spesialisert utelukkende for programvareutvikling. Den store innsatsen er at trening på ekte programvareteknisk tilbakemelding, ikke bare skrapet kode, vil produsere modeller som utkoder generelle LLM-er.
Hva er kjernetreningsteknikken Poolside er kjent for?
Poolsides signaturmetode er RLCEF, hvor modellen kjører sin egen kode mot tester og kompilatorer og lærer av om den faktisk ble utført riktig.
Hvilken rolle hadde en av Poolsides medgründere tidligere?
Jason Warner, en Poolside-medgründer, var tidligere Chief Technology Officer for GitHub.
Hva legger Poolside vekt på for bedriftskunder?
Poolside retter seg mot bedrifter med privat og lokal hosting, slik at proprietær kildekode ikke forlater kundens miljø.
Hvilket stort chipselskap ble en bemerkelsesverdig investor/støttespiller for Poolside?
Nvidia ble en støttespiller for Poolside, og støttet dets store databehov for opplæring av grensekodemodeller.
Hvorfor er tilbakemelding om kodeutførelse så verdifull for opplæring av en kodemodell?
Fordi kompilatorer og tester verifiserer korrektheten programmatisk, kan modellen produsere enorme mengder egengenerert opplæringstilbakemelding uten dyr menneskelig merking.