🤖 ‏ بهینه‌سازی ایجنت‌های کدنویس با Harness Handbook

🔬 ‏ محققان در مقاله جدیدی به بررسی چالش ویرایش کد توسط ایجنت‌های هوشمند پرداخته‌اند. در مدل‌های فعلی، ساختار پراکنده فایل‌ها باعث می‌شود ایجنت‌ها بخش‌هایی از پیاده‌سازی را نادیده بگیرند، لذا پیشنهاد شده است که مخازن کد به‌جای فایل، بر اساس رفتار (Behavior) توصیف شوند.

⚡️ ‏ ابزار Harness Handbook با ترکیب تحلیل ایستا (Static Analysis) و LLM، نقشه‌ای از رفتار سیستم می‌سازد. این نقشه با سه سطح جزئیات، به ایجنت کمک می‌کند تا ابتدا رفتار هدف را شناسایی کرده و سپس با دقت بالا به سراغ کد اصلی برود.

📊 ‏ نتایج ارزیابی‌ها بسیار درخشان است؛ کیفیت برنامه‌ریزی در تسک‌های Codex از ۲۸.۳٪ به ۳۸.۳٪ افزایش یافت. همچنین در مدل Terminus-2، این شاخص از ۲۶.۷٪ به ۴۵.۶٪ رسید که نشان‌دهنده اثربخشی بالای این رویکرد است.

🧠 ‏ علاوه بر دقت، مصرف توکن‌های بخش برنامه‌ریز (Planner) نیز بین ۸.۶٪ تا ۱۲.۷٪ کاهش یافت.

Paper: https://arxiv.org/abs/2607.13285

📊 Data➕Science 🇮🇷 - هوش مصنوعی و علم داده به فارسی
📩 ارتباط با ما

#Harness_Handbook #Terminus_2