शोधकर्ताओं ने कोडिंग एजेंट फाउंडेशन मॉडल्स के लिए एक मिड-ट्रेनिंग उद्देश्य के रूप में फ़ंक्शन-अवेयर फ़िल-इन-द-मिडल (FIM) का परिचय दिया है, जो एक एजेंट के एक्शन-ओब्ज़र्वेशन लूप और फ़ंक्शन कॉल साइट्स के बीच संरचनात्मक समरूपता का लाभ उठाता है। यह सेल्फ-सुप्राइज्ड दृष्टिकोण प्रोग्राम डिपेंडेंसी ग्राफ़ विश्लेषण के माध्यम से चुनी गई फ़ंक्शंस को मस्क करता है और Qwen2.5-Coder-Instruct और Qwen3-8B मॉडल्स पर लागू होता है।
- 2.6B-टोकन कॉरपस पर मिड-ट्रेनिंग से 7B/14B मॉडल्स के लिए SWE-Bench-Verified स्कोर में +2.8/+3.0 और Qwen3-8B के लिए +3.2 की सुधार होती है।
- SWE-Bench-Lite पर लाभ उसी मॉडल आकारों के क्रमशः +3.7, +4.0, और +5.4 तक पहुँचते हैं।
- यह विधि LiveCodeBench जैसे नॉन-एजेंट कोडिंग बेंचमार्क्स और tau-bench व BFCL जैसे टूल-यूज़ टास्क में क्षमताओं के क्षरण को कम करती है।
यह तकनीक दिखाती है कि फ़ंक्शन-कॉल इंडक्टिव बायस एजेंटिक पोस्ट-ट्रेनिंग के बाद भी बने रहते हैं, जिससे अलग-अलग पाइपलाइन और बेस मॉडल्स में स्थिर सुधार मिलते हैं, भले ही मिड-ट्रेनिंग के लिए केवल Python कोड का उपयोग किया गया हो।