🔭 Вышло огромное исследование на 303 страницы от ведущих китайских лабораторий — подробный разбор того, как создают и обучают модели, ориентированные на написание кода, и как на их основе строят полноценные софт-агенты. Вот что в нём разбирается: 1. Как формируют модель - Сбор и очистка гигантских датасетов кода. - Предобучение: модель впитывает реальные паттерны программирования в промышленных масштабах. - SFT и RL: дополнительные этапы, где модель учат лучше следовать инструкциям, проходить тесты и избегать очевидных ошибок. 2. Как модели превращают в инженерных агентов - Агент читает баг-репорт или фичу. - Планирует шаги. - Меняет файлы. - Запускает тесты. - Повторяет цикл, пока не добьётся результата. 3. Какие проблемы всё ещё остаются - Работа с огромными репозиториями. - Безопасность и надёжность генерируемого кода. - Корректная оценка качества работы агентов. - Реальные приёмы и лайфхаки, которые используют текущие команды. Исследование - мощный срез состояния индустрии: от датасетов и архитектур до практических инженерных пайплайнов. Это именно то, как современные LLM превращаются в «второго разработчика» в команде. https://arxiv.org/abs/2511.18538 @data_analysis_ml