يقدم الباحثون ملء الوسط الواعي بالوظائف (FIM) كهدف للتدريب الوسيط لنماذج أساس وكلاء البرمجة، مستفيدين من التطابق الهيكلي بين حلقة الفعل-الملاحظة للوكيل ومواقع استدعاء الوظائف. تطبق هذه النهج ذاتي الإشراف قناعاً على الوظائف المختارة عبر تحليل رسم تبعية البرنامج، ويُطبق على نماذج Qwen2.5-Coder-Instruct وQwen3-8B.
- يحسّن التدريب الوسيط على مجموعة بيانات بحجم 2.6 مليار توكن درجات SWE-Bench-Verified بمقدار +2.8/+3.0 للنماذج بحجم 7B/14B و+3.2 لـ Qwen3-8B.
- تصل المكاسب على SWE-Bench-Lite إلى +3.7 و+4.0 و+5.4 على التوالي عبر أحجام النماذج نفسها.
- تخفف هذه الطريقة من تآكل القدرات في معايير تقييم البرمجة غير الوكيلية مثل LiveCodeBench ومهام استخدام الأدوات مثل tau-bench وBFCL.
تُظهر هذه التقنية أن التحيزات الاستقرائية لاستدعاء الوظائف تبقى بعد التدريب اللاحق للوكيل، مما يؤدي إلى تحسينات متسقة عبر خطوط أنابيب ونماذج أساس مختلفة على الرغم من استخدام كود Python فقط للتدريب الوسيط.