dr990613/beacon-reasoning-system

🎓 Работы выпускников. Как «маяки» в коде помогают ИИ писать программы лучше Когда опытный разработчик открывает чужую программу, он не читает её строку за строкой — взгляд цепляется за несколько ключевых фрагментов, по которым понятно, что делает код. В когнитивной науке такие опорные места называют «маяками». Дуань Жань , выпускник магистратуры ФТИИ по программе «Большие данные и машинное обучение», в дипломной работе предложил подход, который помогает большим языковым моделям опираться на такие же «маяки» — чтобы генерация кода становилась логичнее и надёжнее. Научный руководитель — Сергей Ковальчук. Работа начинается с вопроса: что такое код и как его понимает человек? Дуань Жань рассмотрел функцию как преобразование входных данных в результат и разобрал, какие промежуточные шаги действительно влияют на итог. На этой основе построена формальная логика, по которой система находит смысловое ядро программы — не просто подсказки для модели, а структурированный способ передать суть кода. Чем работа сильна: 🔹 подход соединяет когнитивную науку, программную инженерию и генерацию кода языковыми моделями; 🔹 в экспериментах генерация с опорой на «маяки» улучшила работу небольших моделей на реалистичных задачах с кодом на Python. Работу Дуань Жаня отдельно отметила государственная экзаменационная комиссия. Где это пригодится: генерация и исправление кода, код-ревью, поддержка репозиториев, техническая документация. Что дальше — статья по теме уже подана на международную конференцию и дорабатывается по отзывам. В перспективе Дуань Жань хочет довести подход до реальных инструментов разработчиков, чтобы сделать ИИ-ассистентов для программистов надёжнее. Репозиторий с кодом: https://github.com/dr990613/Beacon-reasoning-system #работы_выпускников