SWE-Edit: Rethinking Code Editing for Efficient SWE-Agent
SWE-Edit कोड निरीक्षण और संशोधन को विशिष्ट उप-एजेंटों में अलग करके और GRPO के साथ प्रशिक्षित एक अनुकूली, बहु-प्रारूप संपादन मॉडल पेश करके सॉफ्टवेयर इंजीनियरिंग एजेंटों के प्रदर्शन में सुधार करता है, जो कुल मिलाकर कार्य पूर्णता सफलता दर को बढ़ाता है जबकि अनुमान लागतों को काफी कम करता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक मुख्य वास्तुकार (मुख्य एजेंट) हैं जो एक विशाल, जटिल इमारत (एक सॉफ्टवेयर कोडबेस) की मरम्मत करने की कोशिश कर रहे हैं। आपका लक्ष्य एक विशिष्ट रिसाव को ठीक करना या एक कमजोर दीवार को मजबूत करना है।
पुराने तरीके के साथ, वास्तुकार को तीन कार्य एक साथ पूरे करने पड़ते थे:
- खोज (Search): रिसाव खोजने के लिए हर कमरे में जाना, हर कैबिनेट को खोलना।
- योजना (Plan): यह तय करना कि इसकी मरम्मत ठीक कैसे की जानी चाहिए।
- निष्पादन (Execute): मरम्मत के निर्देश एक बहुत ही सख्त, सूक्ष्म भाषा में लिखना (जैसे एक रोबोट जो केवल सटीक माप को समझता है)।
समस्या क्या थी? जब वास्तुकार सुरागों की तलाश में इमारत में घूम रहा था, तो उसके मन में अप्रासंगिक विवरण (पुराने रसीदें, धूल झाड़ना, यादृच्छिक फर्नीचर) भरते जा रहे थे। जब तक वह मरम्मत के निर्देश लिखने की कोशिश करता, उसका दिमाग इतने "शोर" से भर चुका होता कि वह गलतियाँ कर देता। इसके अलावा, उसे जिस सख्त भाषा का उपयोग करना पड़ता था, उसमें एक गलत कॉमा भी मरम्मत को विफल कर सकता था।
SWE-Edit एक नया वर्कफ़्लो है जो इस समस्या को हल करता है और वास्तुकार के लिए दो विशेष सहायकों को काम पर रखकर एक "स्वच्छ" कार्यप्रवाह बनाता है।
दो नए सहायक
1. "ऑब्जर्वर" (विशेष स्काउट/निरीक्षक)
वास्तुकार द्वारा पूरी इमारत में घूमने के बजाय, वह ऑब्जर्वर से मदद मांगता है।
- यह कैसे काम करता है: वास्तुकार पूछता है: "मुझे किचन के सिंक के पास के पाइप दिखाओ।" ऑब्जर्वर वहां जाता है, केवल पाइपों को देखता है, और केवल प्रासंगिक विवरणों के साथ एक साफ, संक्षिप्त नोट लेकर वापस आता है।
- लाभ: वास्तुकार का मन स्पष्ट रहता है। उसे हजारों लाइनों के अप्रासंगिक कोड से होकर नहीं गुजरना पड़ता। इससे समय और पैसा बचता है क्योंकि वास्तुकार को भारी मात्रा में "कचरा" जानकारी को प्रोसेस नहीं करना पड़ता।
2. "एडिटर" (विशेष बिल्डर/संपादक)
एक बार जब वास्तुकार के पास योजना तैयार हो जाती है, तो वह स्वयं मरम्मत के निर्देश नहीं लिखता। वह एडिटर को बताता है: "जंग लगे पाइप को नए तांबे के पाइप से बदल दें।"
- यह कैसे काम करता है: एडिटर एक विशेषज्ञ है जो जानता है कि कंप्यूटर के लिए आवश्यक सख्त, सूक्ष्म भाषा में निर्देश बिल्कुल कैसे लिखे जाने चाहिए।
- लाभ: वास्तुकार पूरी तरह से इस पर ध्यान केंद्रित कर सकता है कि क्या मरम्मत की जानी है (लॉजिक), जबकि एडिटर इस पर ध्यान केंद्रित करता है कि इसे कैसे पूरी तरह से लिखा जाए (फॉर्मेट)। यह वास्तुकार को उन छोटी फॉर्मेटिंग गलतियों को करने से रोकता है जिनके कारण मरम्मत विफल हो सकती थी।
"इंटेलिजेंट स्विच" (अनुकूली मोड)
अध्ययन में यह भी पता चला कि कभी-कभी एक साधारण मरम्मत (जैसे एक शब्द बदलना) को एक तरीके से करना सबसे अच्छा होता है, जबकि एक बड़ा, जटिल बदलाव (जैसे पूरा कमरा फिर से बनाना) दूसरे तरीके से करना सबसे अच्छा होता है।
पहले, सिस्टम केवल एक ही विधि का उपयोग करने के लिए लॉक था (जैसे केवल एक ईंट बदलकर पूरे घर की मरम्मत करने की कोशिश करना)। नया सिस्टम एडिटर को बुद्धिमान बनाता है:
- यदि कार्य छोटा है, तो यह एक सटीक, कम लागत वाला तरीका (सर्च एंड रिप्लेस) उपयोग करता है।
- यदि कार्य बहुत बड़ा और अराजक है, तो यह एक मजबूत, फाइल-वाइड तरीके (पूरी फाइल को फिर से लिखना) पर स्विच हो जाता है।
यह एक ऐसे शिल्पकार की तरह है जो जानता है कि कब पेचकश का उपयोग करना है और कब हथौड़ा निकालना है, न कि हर चीज़ के लिए पेचकश का उपयोग करने की कोशिश करने वाला।
परिणाम
इस कार्य को इस तरह विभाजित करके, टीम ने पाया:
- बेहतर सफलता: सिस्टम ने अधिक समस्याओं को सही ढंग से ठीक किया (लगभग 2% अधिक)।
- सस्ता: इसे संचालित करने की लागत काफी कम थी (लगभग 18% कम) क्योंकि मुख्य "मस्तिष्क" को इतनी अधिक कचरा डेटा पढ़ने की आवश्यकता नहीं थी।
- कम त्रुटियां: मरम्मत के निर्देश लगभग हर बार सही ढंग से फॉर्मेट किए गए थे, जिससे कंप्यूटर ने उन्हें अस्वीकार नहीं किया।
"अभ्यास परीक्षण" (PR-Edit बेंचमार्क)
अंत में, शोधकर्ताओं ने पाया कि इन प्रणालियों का परीक्षण करने के लिए पूरी, महंगी इमारत की मरम्मत करना बहुत लंबा और महंगा था। इसलिए उन्होंने एक मिनी-प्रैक्टिस टेस्ट (जिसे PR-Edit कहा जाता है) बनाया।
उन्होंने पाया कि यदि एक एडिटर इस तेज़, सस्ते अभ्यास परीक्षण पर अच्छा प्रदर्शन करता है, तो यह लगभग गारंटी है कि वह वास्तविक, महंगे कार्य पर भी अच्छा प्रदर्शन करेगा। यह ड्राइविंग टेस्ट की तरह है: यदि आप पार्किंग टेस्ट पास कर लेते हैं, तो आप हाईवे टेस्ट भी पास कर लेंगे, बिना पहले हाईवे पर जाकर यह पता लगाए कि आप सफल होंगे या नहीं।
संक्षेप में: SWE-edit AI को एक साथ सब कुछ करने से रोकता है। यह इसे विशेषज्ञों (एक स्काउट और एक बिल्डर) की एक स्वच्छ टीम देता है और काम के लिए सही उपकरण चुनने का एक बुद्धिमान तरीका प्रदान करता है, जिससे सॉफ्टवेयर मरम्मत तेज़, सस्ती और अधिक विश्वसनीय हो जाती है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।