代码质量测试初创公司 SonarSource SA 近日宣布收购了 AutoCodeRover,这是一个面向软件开发者的自主人工智能平台的创建者。
据 Sonar 表示,此次收购将使其客户能够自动化调试和问题修复等任务,从而让他们能够将更多时间用于改进应用程序,而不是修复问题。
AutoCodeRover 构建了一个基于大语言模型的 AI 代理,能够自主修复有问题的代码。在测试计算机系统修复软件错误能力的 SWE-bench 基准测试中,它展示了一些令人印象深刻的结果。
AI 代理是可以在没有人工干预的情况下执行复杂任务的高级 AI 程序。AutoCodeRover 可以通过从开源软件项目中的各种信息推断开发者意图来找出修复 bug 的方法。
Sonar 解释说,AutoCodeRover 将 OpenAI 的 GPT 模型和 Google LLC 的 Gemini 系列等各种强大的大语言模型的功能,与新加坡国立大学研究人员开发的代码搜索和推理能力相结合。这使其能够成为软件开发生命周期中的主动参与者。
下一步,Sonar 将把 AutoCodeRover 与其生成式 AI 驱动的编码工具套件 SonarQube 整合。公司表示,这种整合将帮助自动化软件开发过程中的关键维护任务,通过加快审查来持续改进代码质量,不仅能检测问题,还能即时修复问题。公司称,这将使开发人员变得更加敏捷,加快新应用程序和更新的交付。
除了提高速度外,开发团队还将受益于更低的成本,因为 AutoCodeRover 将能够自主处理许多最繁琐的编码任务,使他们能够将精力集中在创建创新的新软件功能上。
Sonar 首席执行官 Tariq Shaukat 表示,AI 代理是强大的工具,可以帮助开发人员比以前更快地构建更好的软件。
"研究估计,开发人员将近一半的时间都花在修复 bug、处理技术债务和其他不能帮助创造未来的工作上,"Shaukat 说。"这导致开发人员的生产力和幸福感降低。与开发人员并肩工作的代理式 AI 将帮助他们更好更快地构建,并将更多时间用于编写代码、创建新产品、创新和推动影响。"
Sonar 还承诺与新加坡国立大学的可信和安全软件研究组合作,继续改进代理式 AI 技术。
本次的交易是 Sonar 的第二次重大收购,就在两个月前,它收购了 Tidelift Inc.,该公司销售用于管理开源软件组件的工具。
好文章,需要你的鼓励
多伦多大学研究团队提出Squeeze3D压缩框架,巧妙利用3D生成模型的隐含压缩能力,通过训练映射网络桥接编码器与生成器的潜在空间,实现了极致的3D数据压缩。该技术对纹理网格、点云和辐射场分别达到2187倍、55倍和619倍的压缩比,同时保持高视觉质量,且无需针对特定对象训练网络,为3D内容传输和存储提供了革命性解决方案。
浙江大学与腾讯联合研究团队提出MoA异构适配器混合方法,通过整合不同类型的参数高效微调技术,解决了传统同质化专家混合方法中的表征坍塌和负载不均衡问题。该方法在数学和常识推理任务上显著优于现有方法,同时大幅降低训练参数和计算成本,为大模型高效微调提供了新的技术路径。
耶鲁、哥大等四校联合研发的RKEFino1模型,通过在Fino1基础上注入XBRL、CDM、MOF三大监管框架知识,显著提升了AI在数字监管报告任务中的表现。该模型在知识问答准确率提升超过一倍,数学推理能力从56.87%提升至70.69%,并在新颖的数值实体识别任务中展现良好潜力,为金融AI合规应用开辟新路径。
加州大学圣巴巴拉分校研究团队开发出能够自我进化的AI智能体,通过《卡坦岛拓荒者》桌游测试,这些AI能在游戏过程中自主修改策略和代码。实验显示,具备自我进化能力的AI显著超越静态版本,其中Claude 3.7模型性能提升达95%。研究验证了AI从被动工具向主动伙伴转变的可能性,为复杂决策场景中的AI应用开辟新路径。