🤖 AI

The Order Is the Guarantee: Verifier-Budgeted Code Deletion with Static-First Learned Proposals

تقدم هذه الورقة DELSCOUT، وهو إطار عمل يعطي الأولوية لترتيب مرشحي حذف الكود على ثقة النموذج من أجل إزالة الكود الزائد بأمان في ظل ميزانيات تحقق محدودة، مما يثبت أن الجدول الهجين من المقترحات الاستاتيكية والمتعلمة يعظم عمليات الحذف المتحقق منها مع ضمان الحفاظ على السلوك من خلال سلطة التنفيذ.

المؤلفون الأصليون: Ruitong Li, Binjie Guo, Aisheng Mo, Guowei Su, Han Wang, Jie Li, Ru Zhang

نُشر 2026-08-06

📖 5 دقيقة قراءة🧠 قراءة متعمّقة

CC BY 4.0

المؤلفون الأصليون: Ruitong Li, Binjie Guo, Aisheng Mo, Guowei Su, Han Wang, Jie Li, Ru Zhang

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

الخلفية: عندما يكتب الذكاء الاصطناعي أكثر مما ينبغي

تخيل أنك تبني قلعة ضخمة ومعقدة من قطع الليغو (LEGO). في الماضي، كان عليك وضع كل قطعة يدويًا، وهو أمر بطيء وشاق. الآن، تخيل روبوتًا فائق السرعة يمكنه تجميع أبراج كاملة في ثوانٍ. هذا هو ما تفعله نماذج البرمجة الحديثة بالذكاء الاصطناعي: يمكنها كتابة برامج حاسوبية تعمل بسرعة مذهلة، وغالبًا ما تضاهي أو تتفوق على الخبراء البشر في حل الألغاز.

لكن هنا تكمن المشكلة: مجرد قدرة الروبوت على بناء قلعة بسرعة لا يعني أن القلعة ستكون مرتبة. إذا طلبت من الروبوت "إصلاح هذا الجدار" أو "إضافة باب جديد"، فإنه غالبًا ما يقوم بتكديس طوب جديد فوق القديم دون إزالة القطع المكسورة أو غير المفيدة. مع مرور الوقت، تصبح قلعتك عبارة عن فوضى متضخمة من الأبواب الزائدة، والجدران المكررة، والفخاخ المخفية التي لا يحتاجها أحد. في عالم البرمجيات، يُسمى هذا "الدين التقني" (Technical Debt)، وهو ما يجعل الكود أصعب في القراءة، وأصعب في الإصلاح، وأصعب في الثقة به.

السؤال الكبير الذي تعالجه هذه الورقة البحثية هو: كيف نعلم الذكاء الاصطناعي أن يكون محررًا جيدًا، وليس مجرد باني جيد؟ نحن نعرف كيف نطلب من الذكاء الاصطناعي كتابة الكود، لكن طلب "حذف" الكود منه أمر خطير. إذا حذف الذكاء الاصطناعي القطعة الخطأ، فقد تنهار القلعة بأكملها. التحدي يكمكمن في إيجاد طريقة تسمح للذكاء الاصطناعي باقتراح ما يجب التخلص منه، مع وجود نظام سلامة صارم لا يسمح بالحذف إلا إذا كان متأكدًا بنسبة 100% أن القلعة ستظل قائمة.

الورقة البحثية: "ترتيب العمليات" لحذف الكود

أدرك الباحثون وراء هذه الورقة، الذين أطلقوا على نظامهم اسم DelScout، أن سر الحذف الآمن للكود لا يتعلق فقط بمدى "ذكاء" الذكاء الاصطناعي، بل يتعلق بـ الترتيب الذي يفحص به أفكاره.

فكر في الأمر كحارس أمن في متحف لديه وقت محدود لفحص اللوحات بحثًا عن التزوير. لدى الحارس قائمة باللوحات التي يجب فحصها؛ إذا فحص اللوحات الأكثر عرضة للتزوير أولًا، فقد يكتشف التزوير بسرعة. أما إذا فحص لوحة مملة وحقيقية بوضوح أولًا، فقد ينفد وقته قبل أن يصل إلى اللوحة المشبوهة. تجادل الورقة بأنه بالنسبة لحذف الكود، فإن الجدول الزمني (ترتيب الفحص) أهم من درجة ثقة الذكاء الاصطناعي.

الاستراتيجيتان: "المزيج" و"شبكة الأمان"

اختبر الفريق طريقتين مختلفتين لتنظيم اقتراحات الذكاء الاصطناعي، باستخدام "ميزانية" قدرها خمس عمليات فحص (مثل امتلاك خمس تذاكر لفحص خمس لوحات).

"المزيج الموثق" (الاستبدال الذكي):
إذا كان لدى الفريق بيانات من نوع المشروع المحدد الذي يعملون عليه، فإنهم يستخدمون استراتيجية مختلطة. يحتفظون بأول ثلاث عمليات فحص لـ "الرهانات الآمنة" — أشياء بسيطة وواضحة مثل إزالة الاستدعاءات غير المستخدمة (unused imports) أو الأسطر القصيرة التي يمكن لبرنامج حاسوبي بسيط إثبات عدم فائدتها. ثم يستخدمون المنصتين المتبقيتين لاقتراحات الذكاء الاصطناعي "المتعلمة". هذه هي أفضل تخمينات الذكاء الاصطناതി حول الكود المعقد والصعب الذي لا يستطيع الفاحص البسيط فهمه.

النتيجة: في اختباراتهم على معيار برمجي قياسي يسمى MBPP، سمح لهم هذا المزيج بحذف 9.5% أكثر من الكود مقارنة باستخدام الفحوصات الأساسية الآمنة وحدها. كما وجدوا 6.7 عملية حذف ناجحة أكثر في المتوسط، دون الحاجة إلى تشغيل أي فحوصات سلامة إضافية.

"التعزيز المحافظ على البادئة" (شبكة الأمان):
ماذا لو كان الذكاء الاصطناعي يعمل على نوع جديد تمامًا من المشاريع حيث لا يملكون بيانات سابقة للثقة بها؟ أدرك الباحثون أن استبدال "الرهانات الآمنة" بتخمينات الذكاء الاصطناعي أمر محفوف بالمخاطر؛ فإذا أخطأ الذكاء الاصطناعي في تخمينه، فقد يفوت عملية حذف كان بإمكان الفاحص الأساسي اكتشافها.
لذلك، صمموا قاعدة "شبكة الأمان": لا تتجاهل الرهانات الآمنة أبدًا. إنهم يجبرون النظام على فحص جميع الاقتراحات "الآمنة" الخمسة أولاً. وفقط إذا فشلت جميع هذه الاقتراحات الخمسة، يحصل النظام على حق استخدام حصصه الإضافية لفحص تخمينات الذكاء الاصطناعي المتطورة.

الضمان: يضمن هذا أن النظام لن يحذف أبدًا كودًا أقل مما كان سيحذفه الأسلوب الأساسي. قد يجد النظام عمليات حذف أكثر، لكنه لن يفوت أبدًا عملية حذف كان الأسلوب الأساسي قد أمسك بها.
التكلفة: الجانب السلبي هو أن شبكة الأمان هذه تكلف أحيانًا وقتًا أطول. اعتمادًا على الاختبار، تطلبت ما بين 4.8% إلى 62.5% أكثر من عمليات فحص السلامة (نداءات التحقق/verifier calls) لأن النظام كان عليه المرور عبر قائمة الرهانات الآمنة بالكامل قبل تجربة أفكار الذكاء الاصطناعي.

ما تنفيه الورقة البحثية

كان المؤلفون حذرين للغاية في توضيح ما لا يعمل. لقد أثبتوا أنه لا يمكنك ببساطة الوثوق في "درجة الثقة" الخاصة بالذكاء الاصطناعي لتحديد ما يجب حذفه. حتى لو قال الذكاء الاصطناعي: "أنا متأكد بنسبة 99% أن هذا السطر غير مفيد"، فقد يكون مخطئًا إذا تغيرت بيئة الاختبار.

كما أظهروا أن مجرد تدريب الذكاء الاصطناعي ليكون "أفضل" في حذف الكود لا يحل المشكلة. فإذا تم استبدال الفحوصات "الآمنة" بفحوصات "الذكاء الاصطناعي" دون وجود شبكة أمان، يمكن للنظام أن يؤدي في الواقع بشكل أسوأ عند مواجهة كود جديد وغير مألوف. ترفض الورقة صراحة فكرة أن نموذج ذكاء اصطناعي أكثر ذكاءً وحده هو الحل؛ الحل يكمن في هيكل كيفية عمل الذكاء الاصطناعي وفحوصات السلامة معًا.

الخلاصة

تخلص الورقة إلى أن مستقبل برمجة الذكاء الاصطناعي لا يقتصر فقط على كتابة المزيد من الكود، بل يتعلق بالحفاظ على نظافة الكود. أفضل نهج هو تقسيم العمل:

الذكاء الاصطناعي: يعمل كمستكشف مبدع، يقترح عمليات حذف معقدة تعتمد على السياق قد يغفل عنها البشر.
الترتيب: يعمل كشرطي مرور، يتأكد من أن الذكاء الاصطناعي لا يغلق الطريق أمام فحوصات السلامة المملة ولكن الموثوقة.
الاختبارات: تعمل كقاضٍ نهائي، ولا تسمح بالحذف إلا إذا كان الكود يعمل بالفعل دون حدوث انهيار.

في تجاربهم، نجحت هذه الطريقة في إزالة الكود الزائد مع الحفاظ على سلامة البرمجيات. ومع ذلك، يحذر المؤلفون من أن هذه أداة للصيانة وليست عصا سحرية. إذا كانت الاختبارات نفسها ضعيفة أو إذا كان الكود يقوم بشيء حيوي غير مختبر (مثل فحص أمني)، فلا ينبغي للذكاء الاصطناعي حذفه. الهدف هو مساعدة البرمجيات على البقاء رشيقة ومفهومة، لضمان أنه بينما يكتب الذكاء الاصطناعي المزيد، لا تتحول قلاعنا الرقمية إلى غابات غير قابلة للإدارة من قطع الطوب غير المستخدمة.

ملخص تقني: الترتيب هو الضمان: جدولة ميزانية التحقق من حذف الكود باستخدام مقترحات متعلمة تعتمد على الأولوية للتحليل الساكن

1. صياغة المشكلة

يتناول البحث "المشكلة العكسية" في برمجة الذكاء الاصطناعي: بدلاً من توليد كود جديد، كيف ينبغي لنظام الذكاء الاصطناعي حذف الكود الزائد عندما تكون قدرة التحقق عبر التنفيذ محدودة؟ بينما يمكن للنماذج الرائدة توليد كود يجتاز الاختبارات المعيارية، فإن "برمجة النبض" (vibe coding) —أي التكرار عبر المطالبات والترقيعات— تميل إلى تراكم الفروع الزائدة، والحواجز (guards)، والبدائل (fallbacks) بسرعة أكبر من إزالة المنطق الذي أصبح عتيقاً. وهذا يخلق ديوناً تقنية تحجب الثوابت وتوسع مساحة المراجعة.

يصيغ المؤلفون تقليل الكود الزائد كمسألة جدولة مقترحات تحت ميزانية محدودة.

المدخلات: برنامج $x$ ومجموعة من المرشحات الصالحة نحوياً لحذف بيان واحد من شجرة الإسناد المجردة (AST) وهي $C(x)$ .
القيد: يمكن للمتحقق الحتمي $V$ (مجموعة اختبار التنفيذ) تقييم عدد محدود من المرشحات (ميزانية $m$ ).
الهدف: ترتيب المرشحات بحيث يتم اعتماد أول مرشح $c_j$ ينجح في الاختبار $V(x \setminus c_j)$ ، مما يعظم عدد عمليات الحذف المقبولة (التغطية) وكمية الكود المحذوف (تقليل عدد الحروف).
الرؤية الجوهرية: الترتيب هو سطح التحكم الذي يمكن للنشر أن يستند إليه، وليس درجة ثقة النموذج. فالحذف الخاطئ يزيل سلوكاً مطلوباً بصمت؛ لذا يجب أن تحتفظ حزمة التنفيذ بسلطة النقض (veto power).

2. المنهجية: DelScout

يقوم نظام DelScout بفصل عملية البحث (اقتراح المرشحات) عن عملية القبول (التحقق من المرشحات). وهو يستخدم مصنفين غير متجانسين:

الترتيبات الساكنة (Static Orders): استراتيجيات حتمية وخالية من المعلمات.
- الأقصر أولاً (Shortest-first): يرتب حسب طول النطاق، ثم طول الحروف، ثم الموقع. وهو فعال للآثار النحوية (مثل الاستيرادات غير المستخدمة أو التعيينات).
- المرجع الصفري (Zero-reference): يفضل البيانات التي تظهر معرفاتها (identifiers) بأقل تكرار في الملف.
المصنف المتعلم (Learned Ranker): مصنف تسلسلي مُدرب للتنبؤ بما إذا كان الحذف آمناً بناءً على نتائج المتحقق. يستخدم "مطالبة" (prompt) تحتوي على نوع عقدة المرشح، ونص الكود، وأسطر السياق. هدف التدريب هو قائمي (listwise)، حيث يعمل على تحسين الكتلة الاحتمالية الموضوعة في عمليات الحذف التي تم التحقق منها بالقرب من مقدمة القائمة، بدلاً من التصنيف المستقل.

استراتيجيات الجدولة

يقترح البحث استراتيجيتين للجدولة لإدارة المقايضة بين الضمانات الساكنة والبحث المتعلم، وذلك بناءً على توفر بيانات التحقق في النطاق المستهدف:

المزيج المعتمد على التحقق (عند وجود تحقق في النطاق المستهدف):
- يخصص ميزانية ثابتة (مثلاً 5 خانات).
- يخصص أول 3 خانات للجوهر الساكن الحتمي ( $S_3$ ).
- يخصص الخانتين المتبقيتين لأعلى المرشحات المتعلمة تصنيفاً والتي ليست ضمن الجوهر الساكن.
- المنطق: التحقق التجريبي يمنح ترخيصاً لاستبدال الخانات الساكنة بخانات متعلمة لزيادة التغطية.
التعزيز الحفاظ على البادئة (عند غياب التحقق في النطاق المستهدف):
- يقوم بتقييم الترتيب الساكن الكامل أولاً (مثلاً جميع الخانات الساكنة الخمس).
- يلحق المرشحات المتعلمة فقط في حال فشل جميع المرشحات الساكنة.
- المنطق: هذا يضمن أن الترتيب المتعلم لا يمكنه أبداً إزاحة نجاح ساكن. إنه يوفر ضمان تغطية غير متناقصة عن طريق التصميم، بغض النظر عن انزياح التوزيع، وإن كان ذلك قد يتطلب تكاليف أعلى للمتحقق.

3. المساهمات الرئيسية

الصياغة: تعريف تقليل الكود الزائد كمسألة جدولة مقترحات تحت ميزانية تنفيذ محدودة، مع فصل البحث المتعلم عن حدود القبول بشكل واضح.
سياسات الجدولة: تقديم مزيج ساكن-متعلم معتمد على الهدف وسياسة التعزيز الحفاظ على البادئة. توفر الأخيرة ضمان تغطية غير متناقصة وتقليل عدد الحروف حصرياً من خلال ترتيب المرشحات، دون الحاجة إلى درجات نموذج مُعايرة.
التحقق التجريبي: تسجيل تسع عمليات تكرار عبر مقاييس النماذج (0.5B, 0.6B, 8B) على MBPP. تتضمن الدراسة ضوابط موضوعية لاستبعاد خسائر التدريب المميزة، ومحاسبة الميزانية، وتحليل الانزياح عبر الاختبارات، والاختبار ضد متحققات أقوى (MBPP+, HumanEval+).

4. النتائج

مكاسب الميزانية الثابتة: عبر تسع عمليات تشغيل على MBPP، أدى المزيج المعتمد على التحقق إلى تحسين تغطية الحذف المتحقق منها بنسبة 9.5% نسبياً (زيادة قدرها 6.7 مهمة مقبولة في المتوسط) مقارنة بالأساس الساكن، مع استهلاك عدد أقل قليلاً من استدعاءات المتحقق.
التكامل (Complementarity): المكسب هو هيكلي، وليس ناتجاً عن هدف تدريب محدد. المرشحات الساكنة تغطي المرشحات النحوية "السهلة" (مثل الاستيرادات غير المستخدمة)، بينما تساهم المرشحات المتعلمة بترتيب مختلف، مع التركيز على مرشحات تدفق التحكم السياقية (مثل الشروط أو التعبيرات) التي لا يستطيع التحليل الساكن المصادقة عليها.
الكفاءة: زادت عمليات الحذف المتحقق منها لكل ألف استدعاء للمتحقق بنسبة 19.5% (من 43.9 إلى 52.5) لأن المقترحات الناجحة تظهر غالباً في وقت مبكر في الجدول المختلط، مما يوقف البحث في وقت أقصر.
انزياح التوزيع: الترتيبات المعتمدة على التعلم فقط غير موثوقة تحت تأثير الانزياح (على سبيل المثال، ينخفض الأداء بشكل كبير على DS-1000 و BigCodeBench-Hard عند التدريب على MBPP). ومع ذلك، أعاد التعزيز الحفاظ على البادئة التغطية غير المتناقصة على هذه الاختبارات المزاحة، وإن كان ذلك بتكلفة إضافية قابلة للقياس في استدعاءات المتحقق (تتراوح من 4.8% إلى 62.5% كزيادة في العبء).
المتحققات الأقوى: عند الاختبار مقابل MBPP+ (مواصفة أكثر صرامة داخل النطاق)، تلاشت ميزة المزيج؛ حيث تقاربت جميع السياسات نحو نفس التغطية المنخفضة (6.47%). وهذا يوضح أن الجدولة تحكم البحث، لكن مجموعة الاختبار وحدها هي التي تحكم معنى "الحفاظ على السلوك".

5. الأهمية والادعاءات

يجادل البحث بأن الحدود التالية للذكاء الاصطناعي في البرمجة ليست مجرد توليد برامج تعمل، بل الحفاظ على برمجيات مفهومة وأدنى في الحجم.

تقسيم العمل القابل للتدقيق: يضع النظام فصلاً واضحاً حيث يوسع النماذج نطاق البحث عن الكود القابل للإزالة، ويحد الترتيب من الضرر الذي يمكن أن يسببه مقترح سيء الترتيب، بينما يحتفظ التنفيذ بالسلطة على كل عملية حذف يتم اعتمادها.
الترتيب كضمان: الادعاء المركزي هو أن ترتيب المرشح، وليس ثقة النموذج، هو المتغير القابل للتحكم. من خلال الحفاظ على بادئة ساكنة، يضمن النظام أن النماذج المتعلمة يمكنها إضافة قيمة دون طرح السلامة الراسخة.
القيود: يذكر المؤلفون صراحة أن الطريقة تعتمد على برامج اختبارية، وليس على سجلات الصيانة في العالم الحقيقي، وأن مكاسب التغطية المطلقة متواضقة (تنتقل من ~14% إلى ~15% في MBPP). كما يؤكدون أن كلمة "متحقق منه" تعني فقط أنه تم التحقق منه بواسطة "الأوراكل" (Oracle) المحدد؛ فالنظام لا يقدم براهين دلالية (semantic proofs) ولا ينبغي أن يحل محل المراجعة البشرية أو فحوصات السلامة الحرجة.

باختاًصار، يثبت DelScout أن استراتيجية الجدولة المنضبطة —التي تجمع بين التحليل الساكن الحتمي والمقترحات المتعلمة السياقية تحت ميزانية تحقق— يمكن أن تقلل بفعالية من الديون التقنية في الكود المولد بواسطة الذكاء الاصطناعي مع الحفاظ على ضمانات سلامة صارمة.