مقاله‌ی arXiv:2610.13395 · در صف خبرنامه
ProgramGym: Scaling Training Environments for Long-Horizon Program Reproduction Agents
ساخت ۱۶۴۸ محیط آموزشی برای ایجنت‌هایی که برنامه را از صفر بازتولید می‌کنند
- تاریخ
- (۱۷ مهر ۱۴۰۵) 2026-10-09 تأییدشده از روی تاریخ ارسال نسخه‌ی اول در آرکایو
- نویسنده‌ها
- Chengyi Yang, Renxu Bao, Jue Hou, Zongpei Teng, Ziheng Wang, Yujie Lin, Chengsong Huang, Junnan Zhu, Delai Qiu, Yining Wang, Shengping Liu, Fei Long, Jinsong Su
- نهاد نویسنده‌ها
- Xiamen University; Washington University in St. Louis; Institute of Automation, Chinese Academy of Sciences; Unisound
- موضوع‌ها
خلاصه‌ی فارسی
مسئله
ایجنت‌های کدنویسی بیشتر برای ساختن برنامه از صفر، مثل یک مهندس نرم‌افزار، به کار می‌روند، نه فقط رفع مسئله در یک ریپو. اما محیط‌های آموزشی قابل تأیید و مقیاس‌پذیر که ایجنت را وادار کنند خودش بفهمد چه چیزی لازم است و سیستم را چطور طراحی کند کم‌اند، و گردش‌کارهای موجود توسعه‌ی طولانی‌ای را که ایجنت پیش از پیاده‌سازی برنامه‌ی مرجع را کاوش کند پشتیبانی نمی‌کنند.
روش
چارچوب ProgramGym دو بخش دارد. Program-Env محیط‌های آموزشی قابل تأیید را از ریپوها با یک حلقه‌ی مبتنی بر بازخورد می‌سازد که ساخت سندباکس اجرایی و کیفیت تست‌های جعبه‌سیاه را ترمیم می‌کند؛ نتیجه ۱۶۴۸ محیط در C، C++، Go و Rust است. Program-Agent یک گردش کار با نقش‌های جدا برای تحلیل، پیاده‌سازی و بازبینی را با مدیریت نسخه برای بررسی کامپایل و بازیابی از شکست ترکیب می‌کند.
یافته‌ها
- روی ProgramBench، هر دو بخش کارایی بازتولید برنامه را بهتر کردند.
- تنظیم دقیق روی مسیرهای این محیط‌ها کارایی Qwen3.8-27B را از ۳۴٫۸۷ به ۴۲٫۸۴ درصد رساند.
- گردش کار Program-Agent مدل پایه و مدل تنظیم‌شده را به ۵۵٫۷۱ و ۵۶٫۲۵ درصد رساند، بالاتر از بعضی مدل‌های پرچم‌دار.
محدودیت‌ها
مقاله بخش جداگانه‌ای برای محدودیت‌ها ندارد؛ محیط‌ها به چهار زبان برنامه‌نویسی محدودند.
چرا مهم است
ساختن برنامه از صفر، فهم نیازها و طراحی را هم می‌خواهد، نه فقط نوشتن کد. این کار هم داده‌ی آموزشی و هم گردش کاری برای این مهارت فراهم می‌کند.