في عالم تطوير البرمجيات الآلي، تمثل عملية تحديد مواقع الأكواد (Code Localization) تحدياً كبيراً يُعكر صفو سير العمل. ورغم أن تنفيذ الأدوات في وقت واحد قد يعزز من سرعة الاكتشاف، إلا أن عملاء اليوم يظهرون معدل استدعاء مكرر يصل إلى 34.9%، مما يُفقد فوائد التوازي. لذلك، نقدم لكم FuseSearch، الذي يعيد صياغة مفهوم تحديد مواقع الأكواد كعملية تحسين مشتركة للجودة والكفاءة.

تحتوي فكرتنا على تعريف جديد لكفاءة الأداة، وهو نسبة المعلومات الفريدة المكتسبة إلى عدد الاستدعاءات، ونستفيد من نهج تدريبي من مرحلتين باستخدام تقنيات التعلم المعزز (Reinforcement Learning) والتدريب على نماذج تحويل (SFT) لتعلم استراتيجيات توازٍ متكيفية. بدلاً من النهج الثابت، يقوم FuseSearch بتعديل مدى البحث ديناميكياً بناءً على سياق المهمة، متطوراً من مراحل الاستكشاف إلى مراحل التكرير.

تم تقييم FuseSearch-4B على مجموعة بيانات SWE-bench Verified، حيث حقق نتائج من المستوى الأول (SOTA) مع 84.7% لمعدل ملف الأكواد و56.4% لمعدل وظائف الأكواد، محققاً تسريعاً بنسبة 93.6%، وتقليلاً بنسبة 67.7% في عدد الاستدعاءات و68.9% في عدد الرموز. تشير النتائج إلى أن التدريب المبني على الكفاءة يُحسن الجودة بصورة طبيعية من خلال استبعاد الإشارات المكررة، مما يتيح تطوير وكلاء تحديد مواقع الأكواد الأداء العالي وبأسعار تكاليف فعالة.