Apple представила три новых ИИ-проекта для программирования: поиск багов, тестирование и обучение агентов

Учёные Apple опубликовали серию исследований, посвящённых искусственному интеллекту в разработке программного обеспечения. Компания представила три проекта, направленных на повышение точности кода, автоматизацию тестирования и обучение ИИ-агентов созданию исправного программного обеспечения.

Первый проект, ADE-QVAET, фокусируется на прогнозировании ошибок в коде. Модель объединяет четыре подхода: адаптивную дифференциальную эволюцию (ADE), квантовый вариационный автокодировщик (QVAE), архитектуру трансформера и адаптивное шумоподавление (ANRA). ADE-QVAET оценивает структуру и сложность кода, выявляя потенциальные ошибки без прямого анализа программных инструкций. После обучения на 90 % исходного массива данных модель достигла точности прогнозов от 95 % до 98 %.

Второе исследование — система Agentic RAG — направлено на автоматизацию тестирования крупных программных проектов. Система сочетает большую языковую модель с ИИ-агентами, которые самостоятельно планируют, пишут и организовывают тесты. Точность тестирования выросла с 65 % до 94,8 %, время проверки сократилось на 85 %, а экономия ресурсов оценивается в 35 %. В результате внедрения системы сроки вывода ПО в эксплуатацию сократились на два месяца.

Третий проект, SWE-Gym, создаёт платформу для обучения ИИ-агентов программированию. Агенты обучаются на реальных задачах на Python из открытых репозиториев, практикуясь в написании и отладке кода. Обученные через SWE-Gym агенты правильно решают 72,5 % задач, повышая эффективность на 20 процентных пунктов по сравнению с предыдущими методами. Лёгкая версия SWE-Gym Lite позволяет ускорить обучение и снизить вычислительные затраты, но предназначена для более простых задач.

Эти исследования демонстрируют стремление Apple применять ИИ не только для анализа данных, но и для полноценной автоматизации разработки и улучшения качества программного обеспечения.

Источник: vk.com

Источник: ai-news.ru