SWE-Exp: حل المشكلات البرمجية المُستندة إلى الخبرة

أظهرت التطورات الحديثة في نماذج اللغة الكبيرة (LLM) الخاصة بالوكلاء تقدماً ملحوظاً في حل المشكلات البرمجية، وذلك بفضل تقنيات متقدمة مثل التعاون بين الوكلاء المتعددين وبحث شجرة مونت كارلو (MCTS). ومع ذلك، فإن الوكلاء الحاليين يُعاملون كمُستكشفين بلا ذاكرة – حيث يتعاملون مع كل مشكلة على حدة دون الحفاظ على المعرفة أو إعادة استخدامها من التجارب السابقة في إصلاح الأعطال. وهذا يؤدي إلى تكرار استكشاف المسارات الفاشلة، وفقدان فرص تكييف الطرق الناجحة في حل المشكلات مع مشكلات مشابهة. ولحل هذه المشكلة، نقدم SWE-Exp، وهي منهجية تعزز التجربة، تُستخلص من خلالها معرفة موجزة وقابلة للتطبيق من مسارات الوكيل السابقة، مما يمكّن من التعلم المستمر عبر المشكلات المختلفة. يُقدّم منهجنا بنك تجارب متعدد الجوانب يُسجّل كل من المحاولات الناجحة والفاشلة في إصلاح الأعطال. وبشكل خاص، يستخرج هذا البنك معرفة قابلة لإعادة الاستخدام في حل المشكلات على مستويات مختلفة – بدءاً من الفهم الشامل للمشكلة على المستوى العالي، وصولاً إلى التغييرات المحددة في الكود. تُظهر التجارب أن SWE-Exp تحقق معدل حل متقدم على مستوى الحالة (41.6% Pass@1) في مجموعة بيانات SWE-bench-Verified ضمن إطار عمل وكيل مفتوح المصدر. يُشكّل منهجنا نموذجاً جديداً يُمكّن الوكلاء الآلية في هندسة البرمجيات من تراكم خبرة إصلاح منظمة وتوظيفها بشكل استراتيجي، مما يحوّل جذرياً من نموذج الاستكشاف التجريبي إلى نموذج مبني على الخبرة وذو توجه استراتيجي في حل المشكلات.