جت‌برینز: مدل‌های زبان بزرگ انتشار (d-LLM) انقلاب کدنویسی وایب را تقویت می‌کنند

مدل‌های زبان بزرگ انتشار (d-LLM) با انعطاف‌پذیری در ویرایش و بازآرایی کد، پاسخی به نیازهای غیرخطی برنامه‌نویسان هستند.

به گزارش سرویس اخبار فناوری تک‌ناک، شرکت جت‌برینز (JetBrains)، توسعه‌دهنده محیط‌های توسعه یکپارچه (IDE) محبوبی همچون IntelliJ، با انتشار گزارشی هیجان‌انگیز، آینده کدنویسی با هوش مصنوعی را ترسیم کرد. این شرکت پیش‌بینی کرده است که مدل‌های زبان بزرگ (LLM) جدیدی با عنوان «مدل‌های زبان بزرگ انتشار» (d-LLMs)، سال آینده جایگزین مدل‌های خودبازگشتی (AR-LLMs) خواهند شد و شیوه کدنویسی توسعه‌دهندگان را به‌شدت متحول خواهند کرد.

جت‌برینز هشدار می‌دهد که جریان کاری توسعه‌دهندگان ممکن است در سال آینده دستخوش تغییرات بنیادین شود. مدل‌های d-LLM نوآوری‌هایی را معرفی می‌کنند که شامل تولید خارج از ترتیب، زمینه دوطرفه (Bilateral Context)، انعطاف‌پذیری بیشتر در ویرایش، به‌روزرسانی‌های چندمنطقه‌ای هماهنگ و بهبودهای بالقوه در سرعت است.

تفاوت محوری میان مدل‌های جدید d-LLM و مدل‌های سنتی AR-LLM در قابلیت تولید غیرترتیبی است. توسعه‌دهندگان انسانی معمولاً به‌صورت غیرخطی کار می‌کنند و به‌جای تایپ کامل توابع به‌صورت متوالی، دائماً بر ویرایش و بازآرایی و اصلاح قطعات کد متمرکز هستند.

مدل‌های سنتی AR-LLM کد را به‌صورت توکن‌به‌توکن و با توالی سخت‌گیرانه از چپ به راست تولید می‌کنند؛ اما مدل‌های d-LLM می‌توانند زمینه گذشته و آینده را هم‌زمان بررسی و ویرایش‌ها را مستقیماً اعمال و تولید توکن را جهانی‌تر برنامه‌ریزی کنند. این ویژگی جدید ماهیت غیرخطی و تکراری کدنویسی توسعه‌دهندگان را به مراتب بهتر منعکس می‌کند.

با وجود وعده‌های مدل‌های زبان بزرگ انتشار (d-LLM)، جت‌برینز تأکید می‌کند که در‌حال‌حاضر موانع زیادی بر سر راه پذیرش گسترده آن‌ها وجود دارد. بهترین خروجی کیفی این مدل‌ها زمانی حاصل می‌شود که آن‌ها فقط یک توکن را در هر مرحله زمانی افشا کنند؛ اما این کار سرعت آن‌ها را تا حد مدل‌های AR کاهش می‌دهد.

همچنین، زمانی که مدل‌های زبان بزرگ انتشار (d-LLM) زیر فشار قرار می‌گیرند، ممکن است خروجی‌های نامنسجمی مانند تکرار و خاتمه زودهنگام یا ساختار نحوی نادرست تولید کنند. در‌حال‌حاضر، عملکرد کلی مدل‌های پیشرفته d-LLM در مقایسه با قوی‌ترین معیارهای AR، ترکیبی و نامشخص است.

نئووین می‌نویسد که با‌این‌حال، برخی از کاربردهای مفید برای d-LLMها را از هم‌اکنون می‌توان شناسایی کرد. این کاربردها شامل تکمیل کد با ویرایش متنی و بازآرایی بلوک‌های کد دارای انعطاف کمتر و وظایف ساختاریافته متنی هستند که به‌شدت به زمینه دوطرفه متکی هستند.

به گفته جت‌برینز، به‌محض آنکه محققان مصالحه‌های بین کیفیت و کارایی این مدل‌ها را حل کنند، شاهد ظهور گسترده‌تر d-LLMها خواهیم بود. ظرفیت تولید سریع‌تر کد آن‌ها را به هسته دستیاران کدنویسی آینده تبدیل خواهد کرد؛ دستیارانی که مانند همکاران برنامه‌نویسی با اصول و آگاه به ساختار کد احساس می‌شوند.

این نسل جدید از LLMها احتمالاً از سال آینده در ویرایشگرهای کدنویسی هوش مصنوعی مانند ویژوال استودیو کد و کرسر و ویندسرف ظاهر خواهند شد. ظهور این ویرایشگرهای هوش مصنوعی باعث ایجاد پدیده‌ای به نام «کدنویسی وایب» شده است؛ جایی که هوش مصنوعی بخش اعظم تولید کد را به‌عهده می‌گیرد. معرفی مدل‌های زبان بزرگ انتشار (d-LLM) به توسعه‌دهندگان کمک خواهد کرد تا با اطمینان بیشتری برای نوشتن کد صحیح، به هوش مصنوعی تکیه کنند.