في ظل التطورات السريعة في مجال الذكاء الاصطناعي، تبزغ فكرة جديدة تتعلق بالبرمجة باستخدام نماذج لغوية قائمة على التنفيذ (Execution-Grounded LLM). يعلن الباحثون عن ZhuLong، وكيل الترميز القائم على النماذج اللغوية الذي يتفوق في استخدام أدوات معينة عبر واجهات برمجة التطبيقات (APIs) التي غالبًا ما تكون غير موثقة.

لا سيما أنه يعالج أحد أكبر التحديات في هذا المجال، حيث يواجه المطورون دائمًا صعوبة في الوصول إلى الوثائق المناسبة لاستخدام هذه الواجهات. بفضل تقنيات جديدة مثل استرداد API وتفتيش الوثائق، والاستكشاف الذاتي غير المتصل، يمكن لـ ZhuLong استنتاج سلوكيات APIs غير الموثقة عبر التجارب المعكوسة.

عند تقييم ZhuLong على مجموعة EDA-Eval-PyAether، التي تحتوي على 158 مهمة تتطلب تنفيذ مدعوم بالتحقق، حقق النظام الكامل معدل نجاح يبلغ 78.5% في بيئة Empyrean Aether التجارية، مما يتجاوز بكثير نماذج اللغة التقليدية التي لم تتجاوز 23.6%.

توضح دراسات التحليل – التي تبرز أهمية قاعدة ممارسة الأداء – أن تنفيذ البرامج في بيئة مغلقة ساهم بنسبة كبيرة بنسبة 41.2% في تعزيز الأداء. ومع إضافة آلية الاستكشاف الذاتي، تم تحقيق زيادة إضافية في الدقة بنسبة 3.2% وتخفيض بنسبة 22.1% في عدد الاستدعاءات لكل مهمة.

وعلى 20 مهمة تفاعلية تتضمن مخططات وتصاميم غير محفوظة، حققت ZhuLong نجاحًا بنسبة 60.0% في PyAether و50.0% في SKILL. هذا يفتح مجالاً واسعًا لتطبيقات مستقبلية في البرمجة المعتمدة على الذكاء الاصطناعي، مما يعد بإعادة تعريف الطريقة التي نتفاعل بها مع التكنولوجيا.

ما رأيكم في هذه التطورات؟ هل ترون أن نماذج الذكاء الاصطناعي ستصبح شريكًا أساسيًا في مجالات البرمجة المعقدة؟ شاركونا في التعليقات!