Apple enquête sur la façon dont l’IA prédit jusqu’à la réparation des bugs

D'IA développé par Apple (photo: Doc. unsplash)

ARTA - Apple a récemment publié trois études de recherche intéressantes sur la façon dont les technologies de l’intelligence artificielle (IA) peuvent améliorer le flux de travail, la qualité et la productivité des logiciels.

L’étude a été réalisée par un certain nombre de chercheurs d’Apple. Dans l’étude, Apple fournit des connaissances importantes sur la mesure où l’IA peut fonctionner sophistiqué. Voici les détails de l’étude, comme l’a rapporté 9to5mac.

de prédire des défauts du logiciel

an, en particulier, est utilisé pour prédire un nouveau modèle d’IA appelé ADE-QVAET, qui est conçu pour prédire des défauts de logiciels ou des bugs. Ce modèle est spécialement conçu pour surmonter les limites du grand modèle de langue (LLM) dans l’analyse de base de code à grande échelle.

-QVAET Le modèle ADE-QVAET combine quatre techniques d’IA pour améliorer la précision de la prévision des bugs. Les techniques utilisées comprennent l’évolution différentielle adaptative, l’autoencodeur variante quantique, la couche de transformateur et la réduction et l’augmentation du bruit adaptative.

n’analyse pas directement le code, mais analyse les métriques et les données sur le code. Dans un test, ADE-QVAET a atteint un score de précision, de précision, de récapitulation et de f1 élevé, chacun de plus de 98% par rapport aux modèles traditionnels.

d'automatisation des tests logiciels

rénal sur la façon dont l’IA peut simplifier le temps des ingénieurs en automatisant l’ensemble du processus de test. Les chercheurs ont développé des systèmes qui utilisent des ressources humaines et des agents d’IA autonomes.

est conçu pour produire et gérer automatiquement les faits de test, allant des plans aux rapports de validation. Les résultats de cette étude sont considérés comme prometteurs avec une accuration accrue du test de 65% à 94,8%.

cers pour la réparation des bugs

-Gym est une troisième étude basée sur Snak-Gym, un modèle d’IA conçu pour former des agents d’IA à être en mesure de corriger de manière indépendante les bugs. Cet agent est formé à lire, éditer et vérifier le code réel.

-Gym a été construit en utilisant 2 438 tâches Py Pythone du monde réel en provenance d’un repository open source. Les agents formés à l’aide de Sager-Gym ont rempli 72% des tâches correctement dépassant le bilan précédent de plus de 20 points de pourcentage.