محققان در مقالهای جدید، روشی نوآورانه برای بهبود توانایی مدلهای زبانی در اصلاح کدهای معیوب (Code Repair) معرفی کردهاند. یکی از چالشهای اصلی در این حوزه، این است که مدلها با «Self-Play» (خود-بازی) یاد میگیرند که باگ ایجاد کرده و آنها را رفع کنند؛ اما گاهی اوقات مدلها به سمت باگهای غیرواقعی و بسیار سخت منحرف میشوند.
راهکار جدید «ASP» با استفاده از یک مجموعه مرجع و یادگیری مبتنی بر تشابه، باعث میشود مدل نه تنها در باگهای مصنوعی، بلکه در کدهای واقعی که توسط انسان نوشته شدهاند نیز عملکرد بسیار بهتری داشته باشد (تا ۲۴ درصد بهبود در نرخ رفع باگ!). این گامی بزرگ برای تبدیل هوش مصنوعی به یک برنامهنویس حرفهایتر است. 🤖🛠️
منبع: arXiv NLP