في عالم الذكاء الاصطناعي، تبرز الحاجة إلى الحصول على أزواج من التعليمات والأكواد عالية الجودة لتدريب نماذج اللغة الضخمة (Large Language Models) المخصصة لتوليد الأكواد. بينما ظهرت طرق تركيب تلقائي كبديل للعمليات اليدوية المكلفة، غالبًا ما تعتمد الأساليب الحالية على خوارزميات صارمة، مما يؤدي إلى بيانات تفتقر إلى الأسس المنطقية أو التعقيد.

هنا يأتي دور نموذج CodeEvo، الذي يعتمد على بنية مزدوجة تتألف من مُركّب (Coder) لتنفيذ الحلول بشكل تكراري ومراجع (Reviewer) يقوم بتنسيق مسار التوليد. تتيح هذه البنية تجاوز القيود المفروضة على الخوارزميات الحالية، حيث يقوم المراجع بتشكيل مخطط (Schema) لهيكلة المنطق والتعقيد بطريقة منهجية، من خلال تركيب متداخل للتعليمات والأكواد.

هذا النهج يتم تقويته من خلال بروتوكول تحقق هجين يجمع بين تعليقات المترجم الحتمية (deterministic compiler feedback) والتقييم الدلالي (semantic evaluation). في إطار هذه الدراسات، تم إنشاء مجموعة بيانات CodeEvo-100K، التي تحتوي على أزواج من التعليمات والأكواد بمستويات صعوبة متعددة.

أظهرت التجارب الواسعة أن النماذج المدربة على بيانات CodeEvo تتفوق باستمرار على المعايير المعروفة في اختبارات توليد الأكواد، مما يوفر رؤى عميقة حول فعالية تركيب بيانات الأكواد.

يمكنكم الاطلاع على الكود والبيانات المتاحة عبر الرابط: كود GitHub CodeEvo.