محققان در پژوهشی تازه، چالش «اعتمادپذیری» در عاملهای هوش مصنوعی که وظیفه اصلاح کد را بر عهده دارند، بررسی کردهاند. این مطالعه نشان میدهد که صرفاً تکرار چرخههای «تولید، تست و بازنگری» کافی نیست و گاهی اوقات میتواند منجر به کاهش دقت مدل شود.
راهکار جدید این پژوهش، استفاده از «قراردادهای بازنگری تایپشده» (Typed Revision Contracts) است؛ روشی که در آن شواهد حاصل از ابزارهای تایید کد، دقیقاً با وضعیت فعلی کد هماهنگ میشوند. این کار باعث میشود مدلهای هوش مصنوعی نه تنها کدهای بهتری بنویسند، بلکه نتایج اصلاحشده را با دقت و قابلیت بازرسی بسیار بالاتری ذخیره و تایید کنند. 💻✨
منبع: arXiv NLP
