← أحدث الأبحاث
💻 computer science

MT-Web2Code: Benchmarking Coding Agents on Multi-Turn Regional Reconstruction and Localized Modification

تقدم هذه الورقة MT-Web2Code، وهو أول معيار متعدد الوسائط مصمم لتقييم وكلاء البرمجة في مهام واجهة مستخدم الويب الواقعية متعددة الأدوار التي تتضمن إعادة البناء الإقليمي والتعديلات الموضعية، مما يكشف عن قيود كبيرة في قدرة الوكلاء الحاليين على الحفاظ على الدقة ومنع تراكم الأخطاء عبر الأدوار التكرارية.

المؤلفون الأصليون: Qiming Li, Shujie Hu, Haohan Liu, Xiaocheng Feng, Songxiang Liu, Guanglu Wan

نُشر 2026-08-05
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Qiming Li, Shujie Hu, Haohan Liu, Xiaocheng Feng, Songxiang Liu, Guanglu Wan

البحث الأصلي مرخَّص بموجب CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل

تخيل أنك تعلم روبوتاً ليكون مصمماً بارعاً للمواقع الإلكترونية. في الماضي، كنا نختبر هذه الروبوتات عبر منحها لوحة بيضاء وصورة لموقع إلكتروني، ونطلب منها بناء الموقع بأكمله من الصفر في خطوة واحدة. كان الأمر يشبه مطالبة طاهٍ بطهي وجبة كاملة مكونة من خمسة أطباق في لحظة واحدة. لكن في العالم الحقيقي، نادراً ما يكون تصميم المواقع درامياً بهذا الشكل. عادةً ما يقوم المطور بفتح موقع موجود بالفعل، ليجد زراً معطلاً، أو يصلح خطاً غريباً، أو يضيف صورة مفقودة، كل ذلك مع التأكد من أنه لن يحذف بقية الصفحة عن طريق الخطأ. إنه أشبه بلعبة "أوجد الفروق" و"أصلح الخلل" التي تُلعب مراراً وتكراراً. هذا هو عالم "البرمجة التكرارية"، حيث يتعين على الروبوت أن يتذكر ما فعله قبل خمس دقائق وألا يفسد الأمور أثناء إصلاح المشكلة الجديدة. السؤال الكبير الذي يطرحه الباحثون هو: هل يمكن لروبوتات الذكاء الاصطناعي الأكثر ذكاءً لدينا التعامل مع هذا الواقع الفوضوي والتدريجي، أم أنها تعمل جيداً فقط عندما تُمنح صفحة بيضاء نظيفة؟

هذا هو بالضبط ما تبحث فيه ورقة "MT-Web2Code". فقد ابتكر المؤلفون اختباراً جديداً كلياً وشديد التحدي يسمى "MT-Web2Code" ليروا مدى براعة وكلاء البرمجة المعتمدين على الذكاء الاصطناعي في أسلوب العمل هذا القائم على "الإصلاح أولاً بأول". فبدلاً من طلب بناء صفحة كاملة من الذكاء الاصطناعي، أعطوه 102 صفحة ويب مختلفة من 16 فئة مختلفة (مثل مواقع التسوق، والأخبار، والمواقع الحكومية) وطلبوا منه تنفيذ نوعين محددين من المهام عبر جولات متعددة. المهمة الأولى هي "إعادة البناء الإقليمي"، وهي تشبه إخبار الروبوت: "مهلاً، هذا الجزء الكامل من الصفحة مفقود؛ إليك صورة لما يجب أن يكون عليه، يرجى إعادة بناء هذا الجزء فقط دون المساس بالباقي". أما المهمة الثانية فهي "التعديل الموضعي"، وهي أكثر صعوبة: "هناك ثلاثة أشياء صغيرة تبدو خاطئة (ربما لون الزر خاطئ أو الخط سميك جداً)؛ يرجى إصلاح تلك النقاط الصغيرة فقط".

ولجعل هذا الاختبار عادلاً ويستحيل التحايل عليه، ابتكر الباحثون محرك "الفساد العكسي" الذكي. تخيل أنهم أخذوا موقعاً إلكترونياً مثالياً وذهبياً، ثم أفسدوه عمداً بطرق محددة — مثل إخفاء قسم كامل أو تخريب بعض الخطوط. ثم سجلوا بالضبط كيف قاموا بإفساده. مهمة الذكاء الاصطناعي هي عكس هذه العملية: النظر إلى الصفحة المعطلة، ومعرفة ما هو الخطأ، وإصلاحها لتعود إلى حالتها المثالية. ولأن الباحثين يعرفون بالضبط كيف تم إفساد الصفحة، يمكنهم قياس نجاح الذكاء الاصطناعي بدقة متناهية. وقد وجدوا أنه بينما تتحسن روبوتات الذكاء الاصطناعي هذه، إلا أنها لا تزال تعاني بشدة في هذه اللعبة متعددة الجولات.

كانت النتائج بمثابة صدمة للواقع. فعندما حاول الذكاء الاصطناعي إعادة بناء منطقة مفقودة، غالباً ما كان يؤدي عملاً جيداً في الجزء الجديد، لكنه كان يفسد المحتوى المحيط به عن طريق الخطأ، مثل تغيير لون خلفية الصفحة بأكملها بينما كان من المفترض أن يصلح قائمة فقط. وعندما طُلب منه إجراء تعديلات دقيقة وصغيرة، غالباً ما فشلت الروبوتات في مطابقة الكود تماماً مع الإصلاح البصري، مما أظهر افتقارها للتحكم الدقيق. ولعل الأمر الأكثر إثارة للقلق هو أن الورقة وجدت تأثير "كرة الثلج للخطأ". فإذا ارتكب الذكاء الاصطناعي خطأً صغيراً في الجولة الأولى، فإن هذا الخطأ ينتقل ويتضخم في الجولات التالية، مما يجعل النتيجة النهائية أسوأ بكثير مما لو بدأ من جديد في كل مرة. ومن المثير للاهتمام أيضاً أن الباحثين اكتشفوا أن إعطاء الذكاء الاصطناعي وصفاً مكتوباً لما كان يبدو عليه الجزء المعطل لم يساعد دائماً؛ بل في بعض الأحيان، تسبب في إرباك الروبوت، مما جعله يعتمد كثيراً على الكلمات ويتجاهل الصورة الفعلية.

باختصار، تشير هذه الورقة إلى أنه بينما يتفوق الذكاء الاصطناعي في بناء المواقع من الصفر، فإنه لا يزال يتعلم كيف يكون محرراً دقيقاً وتكرارياً. وهي توضح أن كونك جيداً في أمر ما لا يعني بالضرورة أنك جيد في الآخر. ويأمل المؤلفون أنه من خلال استخدام نظام تسجيلهم الجديد فائق الدقة — الذي يفحص الجزء الذي تم إصلاحه والأجزاء التي لم تُمس أيضاً — يمكنهم المساعدة في تدريب الذكاء الاصطناعي المستقبلي ليصبح مصممي مواقع إلكترونية أكثر موثوقية، يعملون خطوة بخطوة دون كسر بقية المنزل أثناء إصلاح نافذة واحدة.

غارق في أبحاث مجالك؟

تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.

جرّب Digest →

أبحاث مشابهة

عرض الكل في هذا التصنيف 💻 cs →