في عالم البرمجيات، تُعد البرمجيات المفتوحة المصدر (OSS) مشروعا معقدا يتطلب جهداً كبيرًا في عملية التجميع. هذه المهمة تعتبر التحدي المثالي للوكالات المبنية على نماذج اللغات الضخمة (LLMs). عانت الأساليب الحالية من عيوب كبيرة، حيث تعتمد على قواعد وإجراءات يدوية لا تستطيع التكيف مع متطلبات البيئات المختلفة لمشاريع OSS. بالإضافة إلى ذلك، التجارب السابقة التي استخدمت نماذج اللغات الضخمة كانت تستند إلى تقييمات انتقائية لمشاريع OSS، مما يقلل من فهم التحديات الواقعية في عملية التجميع.

في هذا السياق، تظهر مبادرة BuildBench، التي تقترح معيارًا أكثر تحدياً وواقعية، يتضمن مجموعة متنوعة من مشاريع OSS التي تختلف في النوعية والحجم والخصائص. كما يقترحون نموذجًا قويًا لوكالة تعمل بالذكاء الاصطناعي، OSS-BUILD-AGENT، والذي يتمتع بنظام فعال لاسترجاع تعليمات التجميع، والذي حقق أداءً رائدًا في معيار BuildBench، كما أنه قادر على التكيف مع الخصائص المتنوعة لمشاريع OSS.

يحتوي البحث أيضًا على تحليلات شاملة حول خيارات تصميم طرق التجميع المختلفة وتأثيراتها على العملية ككل، مما يوفر رؤى قيمة تقود الابتكارات المستقبلية. نعتقد أن الأداء على معيار BuildBench يمكن أن يعكس بدقة قدرة الوكالة على التعامل مع التجميع كواجهة معقدة من هندسة البرمجيات، مما يعزز الابتكارات في مجالات تطوير البرمجيات وأمنها.