نماذج اللغات الكبيرة وحدود تحسين الكود التلقائي

جرّب ديفيد أندرسن استخدام نماذج اللغات الكبيرة (LLMs) لتحسين كود يجد الفرق بين أصغر وأكبر عدد مجموع أرقامه يساوي 30 في قائمة تحتوي على مليون عدد صحيح عشوائي. كان الكود الأولي في بايثون وراست بطيئًا. وعلى الرغم من أن نموذج اللغات الكبيرة حسّن أجزاءً منه، مثل دالة مجموع الأرقام، إلا أنه فاته تحسين أساسي: التحقق مما إذا كان الرقم ذا صلة *قبل* إجراء حساب مجموع الأرقام المكلف. أدّى التدخل اليدوي، الذي تضمن استخدام مُولّد أعداد عشوائية أسرع، والتشغيل المتوازي، والمعالجة المسبقة، إلى تسريع كود راست بعامل 55. هذا يبرز حدود نماذج اللغات الكبيرة في تحسين الكود، خاصةً في حالة المشكلات المعقدة التي تتطلب فهمًا خوارزميًا عميقًا واستراتيجيات تشغيل متوازية. يبقى براعة الإنسان أمرًا بالغ الأهمية.