Разработчики представили VinvAI — фреймворк для кодинг-агентов, использующий алгоритмы многоруких бандитов (RL bandits) для динамического выбора релевантного контекста. Система автоматически определяет, какие части кодовой базы наиболее важны для текущей задачи, что позволяет существенно повысить точность генерации кода и эффективность использования токенов при работе с крупными репозиториями.
Основная проблема современных кодинг-агентов заключается в ограничении контекстного окна и сложности выбора правильных фрагментов кода из больших проектов. VinvAI решает эту задачу через обучение на основе обратной связи, где агент учится отдавать приоритет тем файлам и функциям, которые привели к успешному выполнению задачи или исправлению ошибки в предыдущих итерациях.
Инструмент интегрируется в существующие пайплайны разработки, позволяя агентам более осознанно подходить к навигации по файловой структуре. Это снижает количество «шума» в промптах, передаваемых LLM, и уменьшает вероятность галлюцинаций, связанных с неверным пониманием архитектуры проекта или зависимостей между модулями.
Ключевые факты
- VinvAI использует обучение с подкреплением (RL) для ранжирования и выбора контекста.
- Система оптимизирует подачу данных в LLM, минимизируя избыточность контекстного окна.
- Решение ориентировано на автоматизацию сложных задач программирования в больших кодовых базах.
- Фреймворк позволяет агентам обучаться на успешных паттернах выбора контекста в процессе работы.