يقدم هذا البحث نظام INTERVENOR (السلاسل التفاعلية للإصلاح INTERactiVE chaiN Of Repair)، وهو مصمم لتقليد عمليات إصلاح الكود التفاعلية التي تم رصدها لدى البشر، والتي تشمل تشخيص الأكواد وإصلاحها. يقوم نظام INTERVENOR بحث نماذج اللغات الكبيرة (LLMs) على أداء أدوار مختلفة خلال عملية إصلاح الكود، حيث يعمل كمتعلم للأكواد ومعلم للأكواد. بشكل خاص، يتم تكليف متعلم الأكواد بتنفيذ التعليمات لإنشاء أو إصلاح الكود، بينما يكون دور معلم الأكواد هو صياغة سلسلة الإصلاح (CoR) لتوجيه متعلم الأكواد. أثناء إنشاء السلسلة، يجب على معلم الأكواد التحقق من الأكواد المولدة بواسطة متعلم الأكواد وإعادة تقييم كيفية معالجة أخطاء البرمجة بناءً على الردود الخاطئة التي يتلقاها من المترجمات.تظهر النتائج التجريبية أن نظام INTERVENOR يتفوق على النماذج الأساسية، حيث يظهر تحسينًا بنسبة حوالي 18% و4.3% مقارنة بنموذج GPT-3.5 في مهمتي إنشاء الأكواد وترجمة الأكواد، على التوالي. كما تشير تحليلاتنا الإضافية إلى أن السلسلة فعالة في توضيح أسباب الأخطاء ووضع خطط الحلول بلغة طبيعية. وبفضل ردود فعل مترجمات الأكواد، يمكن لنظام INTERVENOR تحديد أخطاء الصياغة وأخطاء الإثبات بدقة وتوفير تعليمات دقيقة لإصلاح الأكواد. يمكن الوصول إلى جميع البيانات والأكواد عبر الرابط: https://github.com/NEUIR/INTERVENOR