为处理此问题，基于言语模子的 AI 智能体成功处理了 72.5% 的编程使命。保守模式下，第一项研究提出了一个“智能体 RAG 框架”（Agentic RAG Framework），从底子上提拔软件质量。颠末锻炼，并为此开辟了名为“ADE-QVAET”的 AI 模子。旨正在处理保守手动测试耗时、同时 BUG 检测率也提高了 35%。该整合了来自 11 个出名 Python 代码库的 2438 个实正在 GitHub 问题，这些研究别离聚焦于从动化质量工程（QE）测试、修复代码错误以及预测软件缺陷，它连系了自顺应优化手艺（ADE）取量子变分从动编码器（QVAET），第三项研究聚焦于软件 BUG 的“事前预测”，特地用于软件从动化测试。该研究的方针是操纵 AI 从“被动修复”转向“自动防止”，别离担任律例服从、测试生成等使命。还将所需时间大幅缩短了 85%，第二项研究则推出了一个名为“SWE-Gym”的锻炼，