في عالم الذكاء الاصطناعي، يستمر البحث والتطوير في دفع الحدود نحو مجالات جديدة ومثيرة، وخاصة في عالم نماذج البرمجة. في أحدث دراساتهم، يتبنى فريق من الباحثين فكرة مبتكرة تُعرف باسم 'ملء منتصف الوظائف' (Function-Aware Fill-in-the-Middle) كجزء من تدريب نماذج الوكلاء البرمجيين (Coding Agent Foundation Models).

من المعروف أن الوكلاء البرمجيين يحتاجون إلى دمج نتائج أدوات خارجية ضمن عمليات التفكير الجارية. ومع ذلك، فإن التدريب التقليدي اليساري إلى اليمين يُظهر هذه القدرات في اتجاهها الأمامي فقط. لاكتشاف تجديدات في هذا السياق، وجد الباحثون أن حلقة العمل – الملاحظة – الاستمرار (Action-Observation-Continuation Loop) لوكيل البرمجة مشابهة هيكليًا لموقع استدعاء الدالة.

وأطلقت العملية الجديدة 'ملء منتصف الوظائف' خلال تدريب منتصف، مما يعني أنها تتطلب تحليل الجرافات الاعتماد البرنامجي وتطبيق معيار مزدوج في التعقيد والقابلية للاستنتاج. في هذا الإطار، استُخدمت نماذج 'Qwen2.5-Coder-Instruct' (7B/14B) و'Qwen3-8B' على قاعدة بيانات مكونة من 2.6 مليار رمز برمجي.

أظهرت النتائج تحسنًا ملموسًا في النماذج، حيث حصلت على زيادة بمقدار 2.8 و3.0 في 'SWE-Bench-Verified' مع نماذج 7B و14B، في حين حققت 3.2 مع نموذج Qwen3-8B. كما أظهرت نماذج 'SWE-Bench-Lite' زيادة تصل إلى 5.4. كما تم الحفاظ على هذه التحسينات عبر خطوط إنتاج ما بعد التدريب المختلفة.

علاوة على ذلك، لا يقتصر تأثير التدريب على تعزيز الأداء داخل المجال بل يُقلل أيضًا من تآكل القدرات التي يؤديها التدريب بعد الوكالة على الأنماط غير البرمجية، مما يسلط الضوء على فعالية وديمومة التقدم المبتكر.