في عالم تطوير البرمجيات، تعتبر الكوميتات الذرية (Atomic commits) ممارسة مثلى، حيث تتناول مشكلة تطوير واحدة بشكل منفصل. لكن في الواقع، يميل المطورون إلى إنتاج كوميتات معقدة تُخلط فيها تغييرات غير مرتبطة، مما يُعقد عملية مراجعة الكود والصيانة. تعد approaches السابقة لإلغاء التشابك (مثل: طرق المبنية على القواعد، والمبنية على الميزات، والمبنية على الرسوم البيانية) قد أحرزت بعض التقدم ولكنها غالبًا ما تعتمد على إشارات سطحية وتعاني في التمييز بين التبعيات الصريحة (مثل تدفق السيطرة والبيانات) وغير الصريحة (مثل العلاقات الدلالية أو المفاهيمية).

تُقدم ورقة بحثية جديدة تُعرف بـ ColaUntangle، وهي إطار عمل تعاوني يتناول إلغاء التشابك، عارضة نموذجًا يجمع بين التبعيات الصريحة وغير الصريحة. يعتمد ColaUntangle على وكلاء مدفوعين بنموذج لغوي ضخم (Large Language Model) في بنية متعددة الوكلاء: حيث يتخصص وكيل في التبعيات الصريحة وآخر في غير الصريحة، بينما يتولى وكيل المراجعة دمج وجهات نظرهم من خلال استشارات تكرارية. لضمان التقاط المعلومات الهيكلية والسياقية، تم إنشاء سياقات صريحة وغير صريحة، مما يتيح للوكلاء التفكير في علاقات الكود بعمق رمزي ودلالي.

تم اختبار ColaUntangle على مجموعتين بيانات شائعتين (1,612 كوميت بلغة C# و14,000 كوميت بلغة Java). أظهرت النتائج التجريبية أن ColaUntangle يتفوق على أفضل الطرق السابقة، محققًا تحسينًا قدره 44% على مجموعة بيانات C# و82% على مجموعة بيانات Java. تُشير هذه النتائج إلى الإمكانات الكبيرة لإطُر العمل المستندة إلى الذكاء الإصطناعي لتعزيز مهام إلغاء التشابك الأوتوماتيكية للكوميتات.