𝗙𝗮𝘀𝘁𝗖𝗼𝗻𝘁𝗲𝘅: 𝗦𝗲𝗽𝗮𝗿𝗮𝘁𝗲 𝗦𝗲𝗮𝗿𝗰𝗵 𝗳𝗿𝗼𝗺 𝗦𝗼𝗹𝘃𝗶𝗻𝗴

கோடிங் ஏஜெண்டுகள் (Coding agents) குறியீடுகளைத் தேடுவதற்கே அதிக நேரத்தைச் செலவிடுகின்றன.

மைக்ரோசாப்ட் (Microsoft) மற்றும் ஷாங்காய் ஜியாவ் டோங் பல்கலைக்கழகம் (Shanghai Jiao Tong University) இந்த சிக்கலைப் பற்றி ஆய்வு செய்தன. குறியீடுகளைத் தேடுவதற்கே கருவிப் பயன்பாட்டுத் திருப்பங்களில் (tool use turns) 56.2% பயன்படுத்தப்படுவதைக் கண்டறிந்தனர். மேலும், இது மொத்த டோக்கன்களில் (tokens) 46.5% பயன்படுத்தப்படுகிறது.

ஒரு மாடல் குறியீட்டைத் தேடி, அதே நேரத்தில் அதைச் சரிசெய்ய முயலும்போது, அதன் நினைவகம் (memory) குழப்பமடைகிறது. தேவையற்ற கோப்புத் துண்டுகள் (file snippets) மற்றும் தோல்வியடைந்த ஊகங்களால் அது நிரம்புகிறது. இது தர்க்கரீதியான சிந்தனையை (reasoning) கடினமாக்குகிறது.

FastContext இதைத் தீர்க்கிறது. இது களஞ்சிய ஆய்வுக்கு (repository exploration) ஒரு தனி துணை ஏஜெண்டைப் (subagent) பயன்படுத்துகிறது.

இது எவ்வாறு செயல்படுகிறது: • ஆய்வாளர் ஏஜெண்ட் (explorer agent) சரியான கோப்புகள் மற்றும் வரி எண்களைக் கண்டறிகிறது. • இது முதன்மை ஏஜெண்டிற்கு (main agent) நீண்ட சுருக்கங்களை அனுப்பாது. • இது துல்லியமான ஆதாரங்களின் ஒரு சிறிய தொகுப்பை மட்டுமே அனுப்பும். • முதன்மை ஏஜெண்ட் பிழையைச் சரிசெய்வதில் மட்டும் கவனம் செலுத்துகிறது.

இந்த வடிவமைப்பு இரண்டு பெரிய நன்மைகளை வழங்குகிறது:

  1. குறைவான இரைச்சல் (Less noise). முதன்மை ஏஜெண்ட் ஒவ்வொரு தோல்வியடைந்த முயற்சியையும் பார்க்க வேண்டியதில்லை.
  2. சிறந்த செயல்திறன். சிறிய மாடல்கள் (4B முதல் 30B parameters) தேடல் பணியை திறம்படச் செய்ய முடியும்.

முடிவுகள் தெளிவாக உள்ளன. Mini-SWE-Agent உடன் FastContext-ஐப் பயன்படுத்துவது பணியின் வெற்றியை 5.5% அதிகரித்துள்ளது. மேலும் இது டோக்கன் பயன்பாட்டைக் 60% குறைத்துள்ளது.

ஏஜெண்டுகளை உருவாக்குவதற்கான பாடங்கள்:

  • தேடலை ஒரு துணைப் பணியாகக் கருதாமல், ஒரு முக்கியப் பணியாகக் கருதுங்கள்.
  • முழுமையான உரையாடல் வரலாற்றைத் (chat histories) தராமல், கோப்புப் பாதைகள் (file paths) மற்றும் வரி எண்களை மட்டும் அனுப்புங்கள்.
  • அடுத்த மாடலுக்குத் தேவையான கட்டமைக்கப்பட்ட தரவை (structured data) வழங்கும் வகையில் மாடல்களுக்குப் பயிற்சி அளிக்கவும்.
  • உங்கள் வெற்றியின் விகிதத்தைப் போலவே, டோக்கன் பயன்பாட்டையும் உன்னிப்பாகக் கவனியுங்கள்.

ஒரு மாடலை எல்லாவற்றையும் செய்ய வற்புறுத்தாதீர்கள். தேடலுக்கான ஒரு நிபுணர் (specialist), தீர்வை வழங்கும் மாடலை (solver) வேகமாகவும் நம்பகமானதாகவும் மாற்றுகிறது.

ஆதாரம்: https://dev.to/prabhakar_chaudhary_7afe4/fastcontext-why-coding-agents-benefit-from-a-separate-repository-explorer-3gen

விருப்பமான கற்றல் சமூகம்: https://t.me/GyaanSetuAi