Войти в галерею Предсказывает, как в «Особом мнении» В первом исследовании под названием «Прогнозирование дефектов программного обеспечения с использованием модели автоэнкодера-трансформатора» представлена модель ADE-QVAET, которая объединяет четыре передовых метода: адаптивную дифференциальную эволюцию, квантовую VariaНациональный автоэнкодер, слой Transformer и адаптивное шумоподавление. В отличие от классических моделей LLM, здесь ИИ не считывает сам код, а анализирует данные о его сложности и структуре. Он может определить с точностью более 98%, где в программе вероятно возникновение ошибки. Более быстрое развертывание проекта Второе исследование, Agentic RAG for Software Testing, описывает систему, использующую автономные ИИ-агенты для автоматического создания и управления планами и кейсами тестирования. По словам исследователей, эта технология сократила время тестирования на 85% и оптимизировала наборы тестов в той же пропорции. Экономия средств составляет около 35%, что означает ускорение развертывания проекта до двух месяцев. ИИ против ошибок Третье и самое амбициозное исследование, SWE-Gym, демонстрирует, как можно научить ИИ исправлять ошибки непосредственно в коде. Модель была обучена на более чем 2400 реальных задачах Python из репозиториев с открытым исходным кодом и достигла показателя успешности 72,5%. Упрощённая версия SWE-Gym Lite позволила сократить время обучения вдвое, сохранив при этом ту же точность. Эти результаты показывают, что Apple приближается эпоха, когда ИИ будет не просто помощником, а активным разработчиком, способным обнаруживать, тестировать и исправлять ошибки в режиме реального времени. Source: https://www.letemsvetemapplem.eu/ru/2025/10/21/apple-testuje-revolucni-ai-ktera-dokaze-predvidat-chyby-v-kodu-psat-testy-i-opravovat-software/