أصبح الذكاء الاصطناعي (AI) جزءاً أساسياً في عملية تطوير البرمجيات، حيث يسهم بشكل متزايد في تحويل الأفكار والنيات الغير واضحة إلى كود قابل للتنفيذ. ورغم هذا، إلا أن طلبات التشفير غالباً ما تحتوي على التباس يمكن أن يتكرر بشكل خاص وفقاً لكل مستخدم واحتياجاته.

تتمثل مشكلة واضحة في أن طرق إزالة التباس الطلبات الحالية غالباً ما تعالج كل طلب مبهم بشكل منفصل ضمن جلسة البرمجة الحالية، وذلك من خلال المطالبة بإيضاحات إضافية من المستخدم. ومع ذلك، فإن مدى إمكانية اعتبار تاريخ الجلسات السابقة كمصدر ذاكرة لحل التباسات متكررة تعود لنفس المستخدم في جلسة جديدة لم يتم استكشافه بشكل كافٍ.

في هذا السياق، تم صياغة مفهوم "تكييف التباس الشخصي" كمهمة جديدة تهدف إلى تحديد نمط الالتباس المتكرر وإنتاج الحل القابل للتنفيذ بأقل قدر من الإيضاح المطلوب. ولتقييم هذه المهمة، تم إدخال نموذج CAPA، الذي يميز التباس التشفير الشخصي من خلال ست آليات، ويقوم بإدراج هذه الآليات في مهام قابلة للتنفيذ.

يتضمن نموذج CAPA 600 جلسة برمجية عبر 60 خلية توازن بين المستخدمين والالتباس، بما في ذلك 300 جلسة تقييم محجوزة. تم تقييم 12 نموذجاً حديثاً من نماذج اللغات الضخمة (Large Language Models) تحت ظروف عدم وجود تاريخ سابق أو وجود تاريخ لنفس المستخدم، باستخدام مؤشرات نجاح التنفيذ وسرعة النجاح من الجولة الأولى وكذا عدد الجولات للوصول إلى الاكتمال.

كما تطرقت التحليلات إلى صعوبة المهام وهوية المستخدم واستخدام التاريخ المستند إلى الذاكرة، مما يفتح المجال لتقديم اقتراح حول "تأمين التاريخ لنفس المستخدم" كطريقة خفيفة الوزن في وقت الاستدلال.

هذا البحث يمثل أساساً لتطوير مساعدين برمجيين طويل الأجل، مما يجعل الكود المتولد أكثر توافقاً مع نية المستخدم ويقلل من الحاجة للإيضاحات المتكررة.