AI-ի կողմից ստեղծված թեստերը կարող են վատթարացնել կոդավորման գործակալների աշխատանքը. ինչպես ստուգել ձերինը
AI կոդավորման գործակալները հաճախ հիմնվում են ավտոմատ ստեղծված թեստերի վրա՝ սխալների ուղղումները ստուգելու համար, սակայն թույլ թեստերը կարող են հանգեցնել նոր խնդիրների: ExecCritic-ի հետազոտությունը ցույց է տալիս, որ ցածրորակ թեստերը կարող են նվազեցնել ավտոմատ ուղղումների հաջողությունը՝ մոլորեցնելով գործակալին: Հեղինակը Python-ի օրինակով ցույց է տալիս, թե ինչպես կարող է թերի լուծումը անցնել հիմնական ստուգումները՝ չտարբերելով «None» և դատարկ ցուցակ մուտքային տվյալները: Նման խնդիրներից խուսափելու համար մշակողներին խորհուրդ է տրվում թեստային պնդումները դիտարկել որպես կարևոր պահանջներ: Հոդվածն առաջարկում է չորս քայլից բաղկացած ստուգման գործընթաց՝ նախքան ուղղումներ կատարելը սահմանել ակնկալվող վարքագիծը, թեստային պնդումներին վերաբերվել նույն խստությամբ, ինչ արտադրական կոդին, պահպանել ռեգրեսիոն ստուգումների կայունությունը և վերլուծել ձախողումները նախքան հետագա ավտոմատացված ուղղումներ հրահանգելը:
This is a summary. Read the full article at the original source:
Dev.toԿապակցված
Արհեստական բանականության արագ զարգացման դարաշրջանում կոդ գրելու արժեքը նվազում է, ինչը որակյալ ինժեներական նախագծումը դարձնում է առանցքային հմտություն…
Արհեստական բանականության ամենախիստ քննադատներից մեկը պնդում է, որ «կործանման» մասին խոսակցությունները նպատակ ունեն շեղել մեր ուշադրությունը
Արհեստական բանականության ոլորտի հայտնի հետազոտող Թիմնիթ Գեբրուն պնդում է, որ արդյունաբերության կողմից գոյաբանական ռիսկերի և «ԱԲ-ի կործանման» վրա կենտր…
AI-ի «տրամաբանական» հետքերի մեծ մասը պարզապես պատասխանն է՝ հակառակ գրված
Վերջերս անցկացված հետազոտությունը ուսումնասիրում է ժամանակակից AI մոդելներում «մտքի շղթայի հավատարմության» հայեցակարգը՝ կասկածի տակ դնելով, թե արդյոք…