← أحدث الأبحاث
🤖 AI

Kozuchi Agent: A Language-Agnostic Open-Weight Agent for Software Repair

يُعد Kozuchi Agent نظامًا لإصلاح البرمجيات غير مرتبط بلغة برمجة معينة وذا أوزان مفتوحة، يستفيد من خط إنتاج يعمل بنظام التكامل المستمر (CI) وذات حالة مستمرة لتحقيق أداء رائد في اختبارات SWE-bench Verified وMulti-SWE-bench دون الحاجة إلى ضبط دقيق، مما يثبت أن قيوده المتبقية تنبع أساسًا من أخطاء الصحة الدلالية وأخطاء الاختيار وليس من التنسيق أو الوصول إلى النماذج المملوكة.

المؤلفون الأصليون: Mehdi Bahrami, Kosaku Kimura, Satoshi Munakata, Satoshi Nakashima, Yu Ishikawa, Kosuke Maeda, Nao Soma, Kenichi Kobayashi, Keisuke Miyazaki, Keizo Kato, Shigeki Fukuta, Tatsuo Kumano, Nobutaka Imamura
نُشر 2026-08-18
📖 4 دقيقة قراءة☕ قراءة في استراحة قهوة
CC BY 4.0

المؤلفون الأصليون: Mehdi Bahrami, Kosaku Kimura, Satoshi Munakata, Satoshi Nakashima, Yu Ishikawa, Kosuke Maeda, Nao Soma, Kenichi Kobayashi, Keisuke Miyazaki, Keizo Kato, Shigeki Fukuta, Tatsuo Kumano, Nobutaka Imamura, Kevin Musgrave, Shahbaz Abdul Khader, Kwun Ho Ngan, Joe Townsend, Fayas Asharindavida, Matthieu Parizy, Akira Sakai, Yuma Ichikawa, Yang Zhao, Michiaki Takizawa, Taku Fukui, Hiroki Ohtsuji, Wei-Peng Chen, Hiromichi Kobashi

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

في عالم هندسة البرمجيات الواسع والمعقد، يمثل الكود البرمجي الأساس الذي تُبنى عليه الحياة الحديثة، ومع ذلك فهو عرضة للتعطل. فعندما يتعطل برنامج ما، فإنه يُصدر تقريراً يصف الخطأ، ويتعين على المطور البشري بعد ذلك تشخيص المشكلة، وتحديد موقع الخلل ضمن آلاف الأسطر من النصوص، وكتابة تصحيح يعالج المشكلة دون أن يتسبب في تعطل أي شيء آخر. هذه العملية بطيئة وصعبة ومكلفة. مؤخراً، ظهر جيل جديد من الذكاء الاصطناعي يمكنه قراءة هذه التقارير ومحاولة كتابة الإصلاحات بنفسه. هذه الأنظمة، التي تُسمى غالباً "الوكلاء" (agents)، تعمل مثل متدربين رقميين يمكنهم التنقل في نظام ملفات الكمبيوتر، وتشغيل الاختبارات، وتحرير الكود. ومع ذلك، كان تعليم هؤلاء الوكلاء العمل بموثوقية لفترات طويلة عقبة رئيسية؛ إذ غالباً ما يضيعون في التفاصيل، أو ينسون ما تعلموه في خطوات سابقة، أو يرتكبون أخطاءً عند محاولة استخدام الأدوات اللازمة لإصلاح الكود. لقد تمثل التحدي للباحثين في بناء نظام يحافظ على تركيز هؤلاء العمال الرقميين وتنظيمهم ومسؤوليتهم، مما يسمح لهم بحل المشكلات المعقدة دون إشراف بشري مستمر.

لقد عالج فريق من الباحثين في "فوجيتسو ريسيرش" (Fujitsu Research) هذا التحدي عبر إنشاء نظام يسمى "كوزوتشي إيجنت" (Kozuchi Agent). يركز عملهم على نوع محدد من الذكاء الاصطناعي لا يتطلب تدريباً خاصاً على بيانات جديدة، بل يعتمد بدلاً من ذلك على إطار عمل مصمم بعناية لتوجيه سلوكه. بنى الباحثون بيئة رقمية يعمل فيها الوكيل في مراحل متميزة ومحددة بوضوح. فبدلاً من ترك الوكيل يتجول بحرية عبر المشكلة، يجبره النظام على التحرك عبر تسلسل من الخطوات: أولاً إعادة إنتاج الخطأ للتأكد من وجوده، ثم تحديد المصدر الدقيق للمشكلة، وأخيراً كتابة الإصلاح واختباره. وفي كل مرحلة، يجب على الوكيل تقديم نتيجة محددة قبل الانتقال إلى المرحلة التالية، ويحتفظ النظام بسجل دائم لكل ما يقوم به الوكيل. هذا الهيكل يمنع الوكيل من الارتباك أو تكرار نفس الأخطاء، محولاً البحث الفوضوي إلى عملية منضبطة وقابلة للتدقيق.

اختبر الفريق هذا النظام على مجموعة كبيرة من مشكلات البرمجيات الواقعية، مستهدفاً على وجه التحديد مجموعة من خمسمائة مشكلة من لغة البرمجة "بايثون" (Python). استخدموا نموذج ذكاء اصطناعي قوي ومفتوح المصدر لم يتم تعديله أو إعادة تدريبه لهذه المهمة المحددة. ولضمان قوة النتائج، قاموا بتشغيل الوكيل ثماني مرات منفصلة على كل مشكلة، مما أنتج ثمانية حلول محتملة مختلفة. ثم قارن النظام بين هذه الحلول باستخدام طريقة اختيار ذكية؛ فبدلاً من الاعتماد على مفتاح إجابة مخفي لاختيار أفضل إصلاح، استخدم النظام الاختبارات التي تم إنشاؤها في كل مرة من المحاولات الثماني لتقييم بعضها البعض. إذا اجتاز الإصلاح الاختبارات التي أنشأتها محاولة أخرى، فإنه يعتبر مرشحاً قوياً. سمح هذا النهج للنظام بتحديد الحل الأكثر موثوقية دون الحاجة لمعرفة الإجابة الصحيحة مسبقاً.

كانت النتائج كبيرة؛ فقد نجح "كوزوتشي إيجنت" في حل ثلاثمائة وأربعة وسبعين من أصل خمسمائة مشكلة في بايثون، بنسبة نجاح تقارب 75%. وضع هذا الأداء النظام ضمن أفضل المؤدين في هذا المجال، حيث احتل المرتبة الثانية عشرة إجمالاً عند مقارنته بجميع المشاركات، ولكنه احتل المرتبة الأولى بين الأنظمة التي تستخدم نماذج مفتوحة ومتاحة للجمهور. كما اختبر الباحثون النظام نفسه على مجموعة مختلفة من المشكلات المكتوبة بلغة البرمجة "جافا" (Java). وبالرغم من الاختلافات بين اللغتين، أظهر النظام اتساقاً مماثلاً، حيث حل 41 مشكلة من أصل 128 مشكلة في جافا. أثبت هذا أن إطار العمل لم يكن مرتبطاً بلغة واحدة، بل يمكن تطبيقه على أنواع مختلفة من البرمجيات بشكل واسع.

كانت إحدى النتائج الرئيسية للدراسة هي أن حالات الفشل التي حدثت لم تكن بسبب كتابة الوكيل لكود فوضوي أو معطل؛ ففي الواقع، تم تطبيق جميع الرقع البرمجية (patches) التي أنتجها الوكيل بشكل نظيف على البرمجيات. تكمن المشكلة في منطق الإصلاح نفسه؛ إذ غالباً ما كتب الوكيل تصحيحاً يبدو صحيحاً ولكنه لم يحل المشكلة الأساسية فعلياً. هذا التمييز أمر بالغ الأهمية لأنه يشير إلى أن العائق الرئيسي أمام التحسن ليس تنسيق الكود أو القدرة على استخدام الأدوات، بل هو الفهم العميق لمعنى المشكلة. وجد الباحثون أيضاً أن النظام كان فعالاً للغاية في عملياته؛ فمن خلال أتمتة سير العمل والسماح بإعادة استخدام أجزاء مختلفة من العملية، قللوا من الجهد البشري المطلوب لتشغيل هذه الاختبارات من خمس خطوات يدوية منفصلة إلى إجراء مؤتمت واحد.

استبعدت الدراسة صراحةً فكرة أن نجاح النظام جاء ببساطة من التخمين أو من استخدام نموذج ضخم وحصري لا يمكن الوصول إليه إلا لعدد قليل من الشركات. استخدم الوكيل نموذجاً يحتوي على سبعة وعشرين مليار معلمة (parameter)، وهو نموذج كبير ولكنه أصغر بكثير من أقوى النماذج المتاحة اليوم، وقد حقق نتائجه دون أي ضبط دقيق (fine-tuning) خاص. كما أظهر الباحثون أن النظام لم يعتمد على الحظ؛ فقد كان الأداء متسقاً عبر عمليات مختلفة وأنواع مختلفة من مستودعات البرمجيات. وبينما لا يزال النظام غير مثالي ويعاني مع المشكلات الدلالية (semantic) الأكثر صعوبة، إلا أنه يمثل خطوة كبيرة للأمام في جعل الذكاء الاصطناعي شريكاً موثوقاً في هندسة البرمجيات. ومن خلال الجمع بين سير عمل مهيكل وعملية اختيار ذكية، أثبت "كوزوتشي إيجنت" أن التكنولوجيا المفتوحة والمتاحة يمكنها منافسة الأنظمة الأكثر تقدماً في حل تحديات البرمجة الواقعية.

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.AI →