محققان در یک تحقیق جدید به سراغ حل چالش مدلهای زبانی کوچک در کدنویسی پرداختهاند. مدلهای زبانی معمولاً در زبانهای برنامهنویسی خاص مثل MiniZinc (که برای حل مسائل ترکیباتی استفاده میشود) ضعیف عمل میکنند.
تیم پژوهشی با معرفی متد جدید «Learn2Zinc» و استفاده از یک روش بوتاسترپ برای تصحیح خطاهای سینتکسی، موفق شدند دقت اجرای کدهای تولید شده توسط مدلهای کوچک را به ۹۸٪ برسانند! اگرچه هنوز چالش «استدلال» در مدلها باقی است، اما این گام بزرگی برای تخصصیتر کردن هوش مصنوعی است. 🧠✨
منبع: arXiv AI