في عالم الذكاء الاصطناعي، يُعتبر توليد الشيفرات باستخدام نماذج اللغات الضخمة (Large Language Models) من أبرز التحديات. حيث يواجه المستخدمون صعوبة في تفسير التعليمات الغامضة أو غير المحددة، مما يؤدي إلى إنتاج برامج عديدة قد تكون جميعها ملائمة للعمل المطلوب.

مؤخراً، تم تقديم مفهوم جديد يُدعى CodeRSA، وهو أسلوب مُعتمد على التفكير البراغماتي يُمكنه تحسين العملية بشكل كبير. يعتمد هذا الأسلوب على نوع من إعادة التصنيف، حيث يقوم بتقييم البرامج المرشحة بناءً على تنافس براغماتي محلي بين المرشحات الاختيارية.

تُعد عملية استنتاج المعاني مُعقدة، حيث يحتاج النظام إلى تقدير الاحتمالات عبر فضاءات واسعة من البرامج البديلة. لكن CodeRSA يختلف هنا، حيث يقوم بإنشاء تعليمات بديلة مستندة إلى الشيفرات المرشحة ويقدر أي من هذه المرشحات يدعم أفضل التعليمة الأصلية، متجنباً عملية التطبيع العامة التي كانت تعيق فعالية الأساليب السابقة.

أظهرت النتائج أن CodeRSA يحقق أعلى دقة متوسطة في 10 من 12 إعداداً، وذلك عند تقييمه على مجموعة من البيانات مثل HumanEval+ وMBPP+ وBigCodeBench. تعود هذه النجاحات إلى الجمع بين المقارنة المحورية المحلية والدعم العالمي الأوسع، مما يفتح آفاقاً جديدة لأساليب إعادة التصنيف في سياق الشيفرات المستندة إلى اللغة الطبيعية.

إذا كنتم مهتمين بتطورات الذكاء الاصطناعي وتطبيقاته، لا تترددوا في مشاركة آرائكم عن هذه الابتكارات!