ترجمه فارسی مقاله تنوع هوش را تقویت می کند: یکپارچه سازی تخصص عوامل مهندسی نرم افزار

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Diversity Empowers Intelligence: Integrating Expertise of Software Engineering Agents
عنوان مقاله به فارسی تنوع هوش را تقویت می کند: یکپارچه سازی تخصص عوامل مهندسی نرم افزار
نویسندگان Kexun Zhang, Weiran Yao, Zuxin Liu, Yihao Feng, Zhiwei Liu, Rithesh Murthy, Tian Lan, Lei Li, Renze Lou, Jiacheng Xu, Bo Pang, Yingbo Zhou, Shelby Heinecke, Silvio Savarese, Huan Wang, Caiming Xiong
فرمت مقاله انگلیسی PDF
تعداد صفحات 13
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Software Engineering,Artificial Intelligence,Computation and Language,Machine Learning,مهندسی نرم افزار , هوش مصنوعی , محاسبات و زبان , یادگیری ماشین ,
توضیحات Submitted 13 August, 2024; originally announced August 2024.
توضیحات به فارسی ارسال شده در 13 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Large language model (LLM) agents have shown great potential in solving real-world software engineering (SWE) problems. The most advanced open-source SWE agent can resolve over 27% of real GitHub issues in SWE-Bench Lite. However, these sophisticated agent frameworks exhibit varying strengths, excelling in certain tasks while underperforming in others. To fully harness the diversity of these agents, we propose DEI (Diversity Empowered Intelligence), a framework that leverages their unique expertise. DEI functions as a meta-module atop existing SWE agent frameworks, managing agent collectives for enhanced problem-solving. Experimental results show that a DEI-guided committee of agents is able to surpass the best individual agent's performance by a large margin. For instance, a group of open-source SWE agents, with a maximum individual resolve rate of 27.3% on SWE-Bench Lite, can achieve a 34.3% resolve rate with DEI, making a 25% improvement and beating most closed-source solutions. Our best-performing group excels with a 55% resolve rate, securing the highest ranking on SWE-Bench Lite. Our findings contribute to the growing body of research on collaborative AI systems and their potential to solve complex software engineering challenges.

چکیده به فارسی (ترجمه ماشینی)

عوامل مدل بزرگ زبان (LLM) پتانسیل زیادی در حل مشکلات مهندسی نرم افزار در دنیای واقعی (SWE) نشان داده اند.پیشرفته ترین عامل منبع باز SWE می تواند بیش از 27 ٪ از موضوعات واقعی GitHub را در SWE-Bench Lite حل کند.با این حال ، این چارچوب های عامل پیشرفته نقاط قوت مختلفی را نشان می دهند ، در حالی که در دیگران کم تحرک است ، در برخی کارها عالی است.برای مهار کامل تنوع این عوامل ، ما DEI (تنوع هوش توانمند) را پیشنهاد می کنیم ، چارچوبی که از تخصص منحصر به فرد آنها استفاده می کند.DEI به عنوان یک ماژول متا در بالای چارچوب های عامل SWE موجود ، مدیریت می کند و مدیریت جمع آوری مشکل برای حل مسئله را افزایش می دهد.نتایج تجربی نشان می دهد که یک کمیته با هدایت دی با هدایت قادر به عملکرد بهترین عامل فردی با حاشیه بزرگی است.به عنوان مثال ، گروهی از عوامل SWE با منبع باز ، با حداکثر میزان حل و فصل فردی 27.3 ٪ در SWE-Bench Lite ، می توانند با DEI به میزان 34.3 ٪ حل و فصل دست یابند و باعث بهبود 25 ٪ و ضرب و شتم بیشتر راه حل های منبع بسته می شوند.گروه بهترین عملکرد ما با 55 ٪ Resolve برتری دارد و بالاترین رتبه را در SWE-BENCH LITE تضمین می کند.یافته های ما به رشد بدنه تحقیق در مورد سیستم های مشترک هوش مصنوعی و پتانسیل آنها برای حل چالش های پیچیده مهندسی نرم افزار کمک می کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.