لابراتوار
۷ مقاله که به این لابراتوار مربوط است. جستجو و فیلتر در همین فهرست
یک دهه در یک روز: ساخت رابط‌های بومی ایجنت از روی تکامل نرم‌افزارهای انسان‌محور
ایجنت‌های مدل زبانی کاربران تازه‌ی مهمی برای برنامه‌های دسکتاپ شده‌اند، اما رابط‌های دسکتاپ برای کاربر انسانی یا توسعه‌دهنده طراحی شده‌اند و ایجنت باید کنترل‌های بصری را تفسیر کند یا عملیات سطح پایین نرم‌افزار را کشف و ترکیب کند. معلوم نیست کدام ویژگی‌های رابط
همه‌ی پچ‌های درست یکسان اجرا نمی‌شوند: کارایی زمان اجرای پچ‌های ایجنت‌ها در رفع مسئله‌های ریپو
بنچمارک‌هایی مثل SWE-bench پچ‌ها را فقط با پاس شدن تست‌های درستی ارزیابی می‌کنند و کارایی زمان اجرای پچ‌های درست تقریباً بررسی نشده است؛ دو پچ ممکن است هر دو تست را پاس کنند ولی یکی ده برابر کندتر باشد. طراحی بار کاری کارایی برای هر نمونه گران است. نویسنده‌ها
رانینگ‌تب: تعامل مستقیم با فضای کاری با یک «صورت‌حساب» سمت محیط که پیگیری می‌کند تسک هنوز چه کم دارد
بیشتر کارهای دانشی، خروجی تازه‌ای را از فایل‌های موجود در یک فضای کاری می‌سازند و ایجنت‌ها شروع به انجام این کار کرده‌اند. ایجنت می‌تواند از ترمینال بدون نمایه‌سازی هر فایلی را جست‌وجو و بخواند، اما رسیدن به فایل‌ها نیمی از کار است: هیچ چیز پیگیری نمی‌کند تسک
ربات‌ورلد: سنجش ایجنت‌های چندوجهی در به‌کارگیری ربات در تسک‌ها و بدنه‌های متنوع
ایجنت‌های همه‌منظوره بیش از پیش کد می‌نویسند، از ابزار استفاده می‌کنند و کارهای دیجیتال پیچیده انجام می‌دهند. سؤال این است که این توانایی‌ها تا کجا به دنیای فیزیکی منتقل می‌شوند، یعنی آیا ایجنت می‌تواند دستور و مشاهده را از طریق رابط‌های ربات به اجرای فیزیکی ت
مسئله: معمولاً ایجنت را با نتیجه‌ی نهایی می‌سنجیم: کار را تمام کرد یا نه، چقدر سود کرد. اما در محیطی که مدام عوض می‌شود، نتیجه هم به رفتار ایجنت بستگی دارد و هم به شانس و شرایط بیرون. پس از روی نتیجه نمی‌شود فهمید ایجنت در کدام توانایی خوب است: ابزار را درست ص
مم‌تریس: حافظه‌ی سازگار با وضعیت برای ایجنت‌های کدنویسی بلندمدت
وقتی ایجنت‌های کدنویسی تسک‌های تکامل نرم‌افزار در چند فایل و مرحله را انجام می‌دهند، دو چالش به هم گره‌خورده پیش می‌آید: تاریخچه‌ی انباشته بودجه‌ی کانتکست را فشار می‌دهد، و تغییرات مخزن می‌تواند شواهد اجرای قبلی را بی‌اعتبار کند؛ مثلاً نتیجه‌ی تستی که پیش از و
پیدا کردن جفت مناسب: تعامل مدل و هارنس در تسک‌های ایجنتی
انتخاب یک سیستم ایجنتی یعنی انتخاب هم مدل زبانی و هم هارنسی که مدل از طریق آن عمل می‌کند. سؤال این است که آیا یک مدل، هارنس یا جفت قوی وقتی شرایط عوض می‌شود قوی می‌ماند یا نه. نویسنده‌ها ۶۶ پیکربندی را ارزیابی کردند: چهار هارنس قابل پیکربندی، یعنی OpenHands، D