با پیشرفت مدل های زبانی بزرگ (LLM) در سالهای اخیر، تکمیل خودکار کد به یکی از کاربردهای کلیدی آنها در حوزه توسعه نرم افزار تبدیل شده است. این مقاله به بررسی تکامل خودکار کد با تمرکز بر زبان برنامه نویسی پایتون می پردازد. در این پژوهش، جدیدترین مدل های زبانی پیشرفته مانند GPT-۴، OpenAI Codex و اب زارهایی نظیر GitHub Copilot مورد بررسی قرار گرفته اند و قابلیت تکمیل کد و تولید خودکار قطعات برنامه توسط این مدلها تحلیل شده است. نتایج تحقیقات نشان میدهد که مدل های زبانی بزرگ توانسته اند دقت و سرعت تکمیل کد را به طور چشمگیری بهبود دهند و در برخی موارد بهره وری برنامه نویسان را افزایش دهند (برای مثال، کاهش زمان تکمیل وظایف به میزان ۵۵٪ گزارش شده است (Perry et al., ۲۰۲۳). با این حال، چالشهایی همچون تولید کدهای ناایمن و نیاز به نظارت انسانی بر خروجی ها همچنان پابرجاست (Pearce et al., ۲۰۲۲). در این مقاله ضمن مروری بر پیشینه و یافته های پژوهش های داخلی و بین المللی، روش شناسی بررسی کارایی این مدلها تشریح شده و نتایج به دست آمده درباره تاثیر مدل های زبانی بر فرایند برنامه نویسی پایتون ارائه میگردد. در پایان، با جمع بندی مباحث، به فرصتها و چالش های پیشرو در به کارگیری دستیارهای برنامه نویسی مبتنی بر LLM در توسعه نرم افزار اشاره شده است.
لینک مقاله:
