Langkau ke kandungan utama

Qiskit Code Assistant

Qiskit Code Assistant bertujuan untuk menjadikan pengkomputeran kuantum lebih mudah diakses oleh pengguna Qiskit baharu dan meningkatkan pengalaman pengekodan bagi pengguna semasa. Ia adalah pembantu kod AI generatif yang dikuasakan oleh watsonx. Ia dilatih menggunakan jutaan token teks dari Qiskit SDK, bertahun-tahun contoh kod Qiskit, dan ciri IBM Quantum®. Qiskit Code Assistant boleh membantu aliran kerja pembangunan kuantum anda dengan menawarkan cadangan yang dijana oleh LLM berdasarkan model IBM Granite, yang menggabungkan ciri dan fungsi terkini dari IBM®.

Nota
  • Ini adalah ciri eksperimental yang tersedia untuk pengguna IBM Quantum Premium Plan yang berdaftar pada IBM Quantum Platform yang baharu.
  • Qiskit Code Assistant sedang dalam status keluaran pratonton dan boleh berubah.
  • Jika anda ada maklum balas atau ingin menghubungi pasukan pembangun, gunakan saluran Qiskit Slack Workspace atau repositori GitHub awam yang berkaitan.

Ciri-ciri​

Ciri-ciri berikut disertakan dalam sambungan Visual Studio Code (VS Code) dan editor yang serasi, serta sambungan JupyterLab:

  • Mempercepat penjanaan kod Qiskit dengan memanfaatkan AI generatif berdasarkan model yang pakar dalam menjana kod Qiskit.
  • Membenarkan arahan abstrak dan spesifik untuk menjana cadangan.
  • Mempersembahkan cadangan yang boleh anda semak, terima, atau tolak.
  • Menyokong fail kod Python dan Jupyter notebook.
  • Termasuk pagar keselamatan untuk mengelak menjawab soalan yang mewakili risiko berpotensi bagi pengguna, seperti pertuturan membenci.

Untuk arahan mengintegrasikan Qiskit Code Assistant terus ke dalam persekitaran pembangunan anda, ikuti arahan dalam topik yang sesuai:

Model Bahasa Besar (LLM) di sebalik Qiskit Code Assistant​

Untuk memberikan cadangan kod, Qiskit Code Assistant menggunakan Model Bahasa Besar (LLM). Dalam kes ini, Qiskit Code Assistant kini bergantung pada model mistral-small-3.2-24b-qiskit, yang dibina atas model Mistral-Small-3.2-24B-Qiskit. Model mistral-small-3.2-24b-qiskit meningkatkan keupayaan penjanaan kod model Mistral-Small-3.2-24B-Instruct-2506 untuk Qiskit melalui pra-latihan lanjutan dan penalaan halus pada data Qiskit berkualiti tinggi, serta komit Python dan chat. Untuk maklumat lanjut tentang keluarga model Mistral AI, rujuk dokumentasi Mistral AI. Untuk maklumat lanjut tentang model .*-qiskit, lihat Qiskit Code Assistant: Training LLMs for generating Quantum Computing Code.

LLM khusus kami untuk Qiskit juga tersedia sebagai model sumber terbuka. Semak semua model yang tersedia di https://huggingface.co/Qiskit.

Penanda aras Qiskit HumanEval dan Qiskit HumanEval Hard​

Untuk menguji mistral-small-3.2-24b-qiskit dan model-model lain, kami bekerjasama dengan Qiskit Advocates dan pakar untuk mencipta penanda aras berasaskan pelaksanaan yang dipanggil Qiskit HumanEval (QHE) dan Qiskit HumanEval Hard (QHE Hard), dan menjalankannya pada model-model tersebut. Penanda aras ini serupa dengan HumanEval, termasuk pelbagai masalah kod yang mencabar untuk diselesaikan, semuanya berdasarkan pustaka Qiskit rasmi.

Penanda aras ini terdiri daripada kira-kira 150 ujian, setiap satu dibuat dari definisi fungsi, diikuti oleh docstring yang memperincikan tugas yang diperlukan model untuk diselesaikan. Setiap contoh juga termasuk penyelesaian kanonik rujukan, serta ujian unit, untuk menilai ketepatan penyelesaian yang dihasilkan. Terdapat tiga tahap kesukaran untuk ujian: asas, pertengahan, dan sukar. Penanda aras Qiskit HumanEval Hard ialah variasi penanda aras Qiskit HumanEval, tetapi mengeluarkan maklumat berkaitan import kod, supaya LLM perlu mengetahui import kaedah atau kelas yang betul. Perubahan ini menjadikan set data jauh lebih mencabar bagi LLM, menurut ujian dan keputusan awal kami.

Set data untuk Qiskit HumanEval dan Qiskit HumanEval Hard tersedia di laman web ini: Qiskit HumanEval dan Qiskit HumanEval. Anda boleh menyumbang kepada pembangunan penanda aras ini di repositori GitHub.

Maklumat lanjut dan petikan​

Untuk mengetahui lebih lanjut tentang Qiskit Code Assistant, penanda aras Qiskit HumanEval atau Qiskit HumanEval Hard, dan untuk memetik mereka dalam penerbitan saintifik anda, semak petikan yang disyorkan ini:

@misc{2405.19495,
Author = {Nicolas Dupuis and Luca Buratti and Sanjay Vishwakarma and Aitana Viudes Forrat and David Kremer and Ismael Faro and Ruchir Puri and Juan Cruz-Benito},
Title = {Qiskit Code Assistant: Training LLMs for generating Quantum Computing Code},
Year = {2024},
Eprint = {arXiv:2405.19495},
}
@misc{2406.14712,
Author = {Sanjay Vishwakarma and Francis Harkins and Siddharth Golecha and Vishal Sharathchandra Bajpe and Nicolas Dupuis and Luca Buratti and David Kremer and Ismael Faro and Ruchir Puri and Juan Cruz-Benito},
Title = {Qiskit HumanEval: An Evaluation Benchmark For Quantum Code Generative Models},
Year = {2024},
Eprint = {arXiv:2406.14712},
}
@misc{2508.20907,
Author = {Nicolas Dupuis and Adarsh Tiwari and Youssef Mroueh and David Kremer and Ismael Faro and Juan Cruz-Benito},
Title = {Quantum Verifiable Rewards for Post-Training Qiskit Code Assistant},
Year = {2025},
Eprint = {arXiv:2508.20907},
}

Langkah seterusnya​

Cadangan
Source: IBM Quantum docs — updated 27 Apr 2026
English version on doQumentation — updated 7 Mei 2026
This translation based on the English version of 11 Mac 2026