· AI Engineer World's Fair 2026
От исследований к реальности
Research to Reality with Google DeepMind
Когда написание кода почти бесплатно, главным узким местом становятся архитектура, понимание большой кодовой базы и планирование, а обучение моделей, по мнению автора, может пойти через self-play.
- Сложное не код, а система — по словам спикера, отдельную функцию модель пишет лучше человека, но многошаговые правки в огромной кодовой базе и архитектурные решения даются моделям пока плохо.
- Нехватка человеческих данных — спикер оценивает, что около 80% нового кода на GitHub сейчас машинный, поэтому обучение на человеческом коде подходит к концу. Выход видится в self-play по образцу AlphaZero: модель ставит себе задачи и проверяет решения компиляцией и unit-тестами.
- Открытые evals вместо SWE-bench — SWE-bench проверяет только, что код запускается и выдаёт верный вывод. Спикер предлагает задачу: написать лучший алгоритм сжатия текста без потерь для 10 МБ, где оценка равна размеру архива плюс размеру исходного кода.
- Корректность заранее — команда спикера работает над тем, чтобы модель сразу писала правильный код, а не искала уязвимости после генерации. Спикер также предлагает языки строже, по примеру Lean, чтобы ответственность за корректность лежала на модели.
Кому полезно: тем, кто строит работу с кодинговыми агентами на больших кодовых базах и думает, как проверять сгенерированный код.
Статья по теме
Главы
Похожие доклады
Как Google DeepMind исследует следующий рубеж ИИ для Gemini
AI Engineer Europe 2026
Близко по содержанию
2026: год, когда IDE умерла
AI Engineer Code 2025
Близко по содержанию
Эволюция ИИ
AI Engineer Summit 2023
Близко по содержанию
Создание агентов, которые пишут собственный код
AI Engineer Summit 2025
Близко по содержанию

