في عالم البرمجة الحديثة، تُعتبر الوكلاء البرمجيون (coding agents) ركيزة أساسية في تنفيذ المهام الهندسية البرمجية من البداية إلى النهاية. ومع ذلك، تواجه هذه الوكلاء تحدياً مهماً وهو عدم وجود مقيم موثوق يحدد المعايير الضرورية لنجاح العمل. ومن هنا تأتي أهمية التحقق من أداء هذه الوكلاء، لضمان قدرتهم على اتخاذ قرارات فعالة وتقديم تفسيرات واضحة حول سلوكهم.

مع تطور الوكلاء البرمجيين وقدرتهم المتزايدة على إنجاز مهام برمجية طويلة الأمد، أصبح التحقق من أدائهم أمراً معقداً. ذلك أن مسارات تنفيذهم قد تكون طويلة للغاية، تحتوي على مئات التفاعلات مع مستودعات الشيفرة وأدوات خارجية. في السابق، اعتمدت طرق التحقق على نماذج لغة عامة بدون تدريب متخصص، أو على تقييمات تركز على تقديم مكافآت فردية، مما أظهر نقصاً في استكشاف استراتيجيات التدريب القائمة على التحقق العام.

هنا، نقدم لكم SWE-Critix، وهي مرحلة ما بعد التدريب تهدف إلى تدريب مقيمين عامين لمسارات الوكلاء البرمجيين. تقوم هذه الأداة الجديدة بتوقع تصنيف إتمام المهمة وتوليد تحليل بلغة طبيعية يشرح حكمها. تعتمد العملية على دمج التدريب المشرف مع التعلم المعزز، حيث تم تدريب سلسلة من النماذج المكونة من 30 مليار معلمة باستخدام بيانات من CodeForge-Preview. ونتيجة لذلك، تحسين دقة التصنيف من 57% للنموذج الأساسي Qwen3-30B-A3B إلى 66% بعد التدريب المشرف و78% بعد استخدام التعلم المعزز.

تدعم SWE-Critix الأبحاث المستقبلية من خلال تقديم نماذجها وبياناتها وكود التدريب الخاص بها للجمهور. إن هذا الابتكار يمثل خطوة هامة نحو تعزيز وضوح وموثوقية الوكلاء البرمجيين في مساراتهم البرمجية، مما يفتح آفاق جديدة في هذا المجال الشيق.

ما رأيكم في هذا الابتكار المثير؟ شاركونا أفكاركم في التعليقات!