రాబ్లాక్స్ ఇంజనీర్లలా ఆలోచించేలా మోడళ్లకు నేర్పించడం ద్వారా AI కోడ్ ఆమోదాన్ని మేము రెట్టింపు చేసిన విధానం

ప్రతి ఒక్కరూ తదుపరి విప్లవాత్మక AI మోడల్ గురించి ఉత్సాహంగా ఉంటారు, కానీ రాబ్లాక్స్‌లో అంతర్గత AI సాధనాల ప్రభావాన్ని రెట్టింపు చేయడంలో రహస్యం ఒక కొత్త మోడల్ కాదు. అది మా కోడ్‌బేస్ చరిత్రలోనే పొందుపరచబడింది. మా డొమైన్ నిపుణుల నుండి వచ్చిన సంవత్సరాల తరబడి కోడ్ మరియు సమీక్షలను ఉపయోగించుకోవడం ద్వారా, మేము 10,000 PRల సెట్‌లో AI-సృష్టించిన పుల్ రిక్వెస్ట్ (PR) సూచనల ఆమోద రేట్లను సుమారు 30% నుండి 60% కంటే ఎక్కువకు పెంచాము మరియు అదే కాలంలో ఏజెంటెజిక్ కోడ్ క్లీన్‌అప్ ప్రాజెక్ట్ యొక్క మూల్యాంకన కచ్చితత్వాన్ని 90% కంటే ఎక్కువకు పెంచాము.

AI నాణ్యత అంతరాన్ని పూరించడం

పరిశ్రమ అంతటా, 50% నుండి 60% కోడింగ్ సమయం సాఫ్ట్‌వేర్ నిర్వహణపై ఖర్చు చేయబడుతుంది.¹ రాబ్లాక్స్ కూడా భిన్నం కాదు. 

కాగితంపై, స్పష్టంగా నిర్వచించబడిన అవసరాలు మరియు పరిమిత సమస్య పరిధితో కూడిన పునరావృత నిర్వహణ పనులు AI ఆటోమేషన్‌కు సరైన అభ్యర్థులు. ఆచరణలో, మా AI సహాయకులు మూల్యాంకన ఖచ్చితత్వం మరియు ఇంజనీరింగ్ అంగీకారంతో ఇబ్బంది పడ్డారు.

రాబ్లాక్స్‌లో, సమస్య సామర్థ్యం కాదు; సందర్భం. ఒక సాధారణ మోడల్ రెండు దశాబ్దాల రాబ్లాక్స్ ఇంజనీరింగ్‌ను అనుభవించలేదు. గత మూడు సంవత్సరాలలో మేము విలీనం చేసిన 700,000 పుల్ రిక్వెస్ట్‌లను ఇది చూడలేదు, లేదా మా అత్యంత అనుభవజ్ఞులైన ఇంజనీర్లు మా కోడింగ్ ప్రమాణాలను నిర్వచించి, సమర్థించే 1.7 మిలియన్ కోడ్ సమీక్ష వ్యాఖ్యల నుండి నేర్చుకోలేదు.

ఈ చరిత్రను విస్మరించే AI సహాయకులు ప్రపంచ స్థాయి ఇంజనీర్ల విశ్వాసాన్ని గెలుచుకోవడంలో విఫలమవుతాయి. Roblox ఇంజనీర్లలో సగం మంది AI-ఆధారిత సహాయకులను స్వీకరించినప్పటికీ, మానవ సమీక్ష తర్వాత AI-సృష్టించిన సూచనలలో కేవలం 20% మాత్రమే ఆమోదించబడుతున్నాయి. మా త్రైమాసిక ఇంజనీరింగ్ ఉత్పాదకత సర్వే కూడా ఈ వాస్తవాన్ని ప్రతిధ్వనిస్తుంది. ఇంజనీర్లు ఉత్పాదకతపై AI ప్రభావానికి 5కి 4.02 స్కోర్ ఇచ్చారు, కానీ AI కోడ్ నాణ్యతపై విశ్వాసానికి 5కి కేవలం 3.09 స్కోర్ ఇచ్చారు. సంక్షిప్తంగా చెప్పాలంటే, AI సహాయపడుతుంది, కానీ విశ్వాసం పరిమితంగానే ఉంది, ముఖ్యంగా లెగసీ C++ మరియు మరింత సంక్లిష్టమైన కోడ్ డొమైన్‌లలో.

ఈ సందర్భ అంతరాన్ని పూరించడానికి, మేము రాబ్లాక్స్ యొక్క సొంత ఇంజనీరింగ్ చరిత్రతో నిర్మించిన, నిపుణుల నమూనాలతో అనుసంధానించబడిన, మరియు కఠినమైన మూల్యాంకనం ద్వారా ధృవీకరించబడిన ఒక ఏజెంటెల్ కోడ్ ఇంటెలిజెన్స్ ప్లాట్‌ఫారమ్‌లో పెట్టుబడి పెట్టాము. ఈ కోడ్ ఇంటెలిజెన్స్ ప్లాట్‌ఫారమ్ కేవలం కోడ్ సూచనలను రూపొందించడానికి మాత్రమే కాకుండా, ఒక రాబ్లాక్స్ ఇంజనీర్ యొక్క సంస్థాగత లోతుతో పునరావృతం చేయడానికి రూపొందించబడింది.

రాబ్లాక్స్ ఇంజనీరింగ్ అనుభవంలో అత్యుత్తమమైన వాటి నుండి నేర్చుకోవడం

రాబ్లాక్స్ యొక్క ఇంజనీరింగ్ కార్పస్ దాదాపు 20 సంవత్సరాల కమిట్‌లు, డిజైన్ డాక్స్, మరియు ప్రొడక్షన్ టెలిమెట్రీని కలిగి ఉంది, ఇది మా సిస్టమ్‌లు ఎలా అభివృద్ధి చెందాయో మరియు మా ఇంజనీర్లు కష్టమైన సమస్యలను ఎలా పరిష్కరించారో తెలియజేసే ఒక ప్రత్యేకమైన, సమృద్ధమైన డేటాసెట్.

ఆ కోడ్ ఇంటెలిజెన్స్ ప్లాట్‌ఫారమ్ ఆ డేటాను ఒక నిర్మాణాత్మక జ్ఞాన గ్రాఫ్‌గా మార్చాలని లక్ష్యంగా పెట్టుకుంది, ఇది ఒక ముఖ్యమైన ఇంజనీరింగ్ సవాలు. ఒక భారీ పాలిగ్లాట్ వాతావరణంలో, కోడ్ కేవలం టెక్స్ట్ ఫైల్స్ మాత్రమే కాదు. ఇది బిల్డ్ టార్గెట్లు, C++ టెంప్లేట్ ఇన్‌స్టాన్సియేషన్లు, మరియు డైనమిక్ లూవా డిపెండెన్సీల యొక్క సంక్లిష్టమైన జాలం. కేవలం టెక్స్ట్‌ను పార్స్ చేయడం సరిపోదు; మా ప్రత్యేకమైన ఆర్కిటెక్చర్‌కు నిర్దిష్టంగా, కోడ్‌బేస్ లోపల దాగి ఉన్న లోతైన సెమాంటిక్ సంబంధాలను సిస్టమ్ అర్థం చేసుకోవాలి. 

మరొక సవాలు ట్రేసింగ్ మరియు కాలానుగుణ అమరిక. పరస్పరం అనుసంధానించబడిన సిస్టమ్‌లలో వివేచనతో వ్యవహరించడానికి, ఒక ఏజెంటెల్ సిస్టమ్ స్టాటిక్ కోడ్ రిపోజిటరీలను నాయిస్ ఉన్న రన్‌టైమ్ టెలిమెట్రీతో అనుసంధానించాలి మరియు కోడ్‌బేస్ అభివృద్ధి చెందుతున్నప్పటికీ, లక్షలాది ప్రొడక్షన్ సిగ్నల్‌లను వాటిని ఉత్పత్తి చేసిన కోడ్ యొక్క ఖచ్చితమైన వెర్షన్‌కు తిరిగి మ్యాప్ చేయాలి.

దీనిని పరిష్కరించడానికి, సింటాక్స్, సెమాంటిక్స్ మరియు సంబంధాలను పరిరక్షిస్తూ, వెర్షన్ కంట్రోల్, గ్రాఫ్‌లు మరియు రన్‌టైమ్ టెలిమెట్రీని ఒక హైబ్రిడ్ సింబాలిక్-వెక్టర్ ప్రాతినిధ్యంలో ఏకీకృతం చేయడమే మా వ్యూహం. ఇది కోడ్ ఇంటెలిజెన్స్ ప్లాట్‌ఫారమ్, సీనియర్ ఇంజనీర్లు కోడ్‌ను అర్థం చేసుకున్నట్లే, అంటే ఐసోలేటెడ్ టెక్స్ట్ ఫైల్స్‌గా కాకుండా, డిజైన్ రేషనల్, ట్రేడ్-ఆఫ్‌లు మరియు పనితీరు డేటా ద్వారా రూపుదిద్దుకున్న పరస్పర సంబంధం గల సిస్టమ్‌లుగా కోడ్‌ను అర్థం చేసుకోవడానికి అనుమతిస్తుంది.

ఎగ్జాంపులార్ అలైన్‌మెంట్ ద్వారా నిపుణుల సంకేతాలను సంగ్రహించడం

నిజమైన నైపుణ్యం నమూనాలలో, సమీక్ష వ్యాఖ్యలలో, కమిట్ చరిత్రలలో మరియు సూక్ష్మమైన కోడ్ పద్ధతులలో దాగి ఉంటుంది. కోడ్ ఇంటెలిజెన్స్, ఒక ఉదాహరణ అలైన్‌మెంట్ ఇంజిన్ ద్వారా ఈ అంతర్లీనమైన జ్ఞానాన్ని బయటకు తీసుకువస్తుంది, ఇది ఇంజనీర్లను ఆదర్శవంతమైన అమలుల యొక్క "గోల్డ్" ఉదాహరణలను లేదా సమీక్ష హేతుబద్ధతను రూపొందించడానికి అనుమతిస్తుంది.

గతంలో, ఒక అనుభవజ్ఞుడైన ఇంజనీర్ ప్రతి వారం PRలను సమీక్షించడానికి గంటల తరబడి సమయం గడపవచ్చు, అధిక-ఆవృత్తి లూప్‌లలో బ్లాకింగ్ FetchData కాల్ వాడకాన్ని పదేపదే ఫ్లాగ్ చేస్తూ ఉండేవారు. ఇది భాషాపరంగా సరైనదిగా కనిపించే ఒక నమూనా, కానీ Roblox స్థాయిలో తీవ్రమైన ఆలస్యానికి కారణమవుతుంది. నిపుణులు పట్టణం బయట ఉన్నట్లయితే లేదా ఒక లోపాన్ని గుర్తించలేకపోతే, వారి జ్ఞానం వర్తించకపోవచ్చు, మరియు ఒక ప్రతికూల-నమూనా ప్రొడక్షన్‌లోకి జారిపోయి మా కమ్యూనిటీకి అంతరాయాన్ని కలిగించవచ్చు.

అలైన్‌మెంట్ ఇంజిన్‌ను ఉపయోగించి, ఆ ఇంజనీర్ వారి తీర్పును సహజ భాషా నమూనాగా ఎన్‌కోడ్ చేయవచ్చు. ఇది కోడ్ నమూనాను (ఏమిటి) మరియు హేతుబద్ధతను (ఎందుకు) కలపే ఒక నిర్మాణాత్మక నిర్వచనం. ఇప్పుడు, సిస్టమ్ స్వయంచాలకంగా బ్లాకింగ్ కాల్‌ను గుర్తిస్తుంది, దానిని ఫ్లాగ్ చేస్తుంది, లేటెన్సీ ప్రమాదాన్ని వివరిస్తుంది మరియు అసింక్రోనస్ ఉత్తమ పద్ధతులపై అంతర్గత డాక్యుమెంటేషన్‌కు నేరుగా లింక్ చేస్తుంది:

ఇది ఒక ఇంజనీర్ యొక్క సంవత్సరాల అనుభవం నుండి సంపాదించిన కష్టాన్నీ, జ్ఞానాన్నీ సమర్థవంతంగా పొందుపరుస్తుంది. ఈ సిస్టమ్ ఒకేసారి ఇచ్చే సమీక్ష వ్యాఖ్యను శాశ్వతమైన, స్వయంచాలకమైన రక్షణ మార్గంగా మారుస్తుంది.

కానీ మా నిపుణుల వద్ద కూడా చాలా పనులు ఉంటాయి, మరియు వారి కీలకమైన అంతర్దృష్టులన్నింటినీ గుర్తుచేసుకుని రాయమని వారిని అడగడం అనేది ఉత్తమంగా చెప్పాలంటే సమయం తీసుకునే మరియు సమాచార నష్టం కలిగించే ప్రక్రియ. కాబట్టి, వారు రాబ్లాక్స్‌లో పనిచేసే సమయంలో వారి ఉత్తమ సలహాలను సంగ్రహించడంలో మనం వారికి ఎలా సహాయం చేయగలం?

అది ఇప్పటికే అక్కడే ఉంది, వారి నిశితమైన కోడ్ సమీక్ష వ్యాఖ్యలలో వ్రాయబడి, ప్రొడక్షన్‌కు చేరే ప్రతి PRలో నిక్షిప్తమై ఉంది:

మేము Roblox అనుభవం నుండి అత్యంత విలువైన థీమ్‌లను శుభ్రపరిచి, సంగ్రహించే ఒక పైప్‌లైన్ ద్వారా చారిత్రక PR వ్యాఖ్యలను పంపిస్తాము. ప్రారంభంలో, శబ్దమయ డేటాలో ప్రశంసలు లేదా టైపో సవరణల వంటి పని చేయలేని వ్యాఖ్యలు ఉంటాయి, అయితే విలువైన ఫీడ్‌బ్యాక్ తరచుగా సందర్భాన్ని బట్టి ఎక్కువగా ఆధారపడే షార్ట్‌హ్యాండ్‌లో వ్రాయబడుతుంది. ఉదాహరణకు, "ఇక్కడ కొత్త నమూనాను ఉపయోగించండి" వంటి ఒక నోట్, నిర్దిష్ట ఫైల్ మరియు డిఫ్ (diff) గురించి అవగాహన లేకుండా అర్థరహితం. ఈ నిర్దిష్ట పరస్పర చర్యలను పునర్వినియోగించగల, సాధారణీకరించగల నియమాలగా సిస్టమ్ అనువదించాలి.

దీన్ని పరిష్కరించడానికి, మేము మానవ జోక్యం లేకుండా వేలాది PRలలో పునరావృతమయ్యే థీమ్‌లను గుర్తించే బహుళ-దశల అల్గారిథమ్‌ను ఉపయోగిస్తాము. ఈ సిస్టమ్ చారిత్రక వ్యాఖ్యలను వెక్టర్ స్పేస్‌లోకి ఎంబెడ్ చేస్తుంది, సంబంధిత ఫీడ్‌బ్యాక్ సమూహాలను కనుగొనడానికి గ్రీడీ క్లస్టరింగ్‌ను ఉపయోగిస్తుంది, మరియు వాటిని అధిక-విలువ నమూనాలగా విలీనం చేయడానికి LLM-మార్గనిర్దేశిత శుద్ధిని వర్తింపజేస్తుంది.

ఫలితంగా, అభ్యర్థి నమూనాల (లేదా అభ్యసనల) ఒక ర్యాంక్ చేసిన జాబితా వస్తుంది. ఇవి ఎంత తరచుగా కనిపిస్తాయనే దానిపై మరియు వివిధ సమీక్షకులు వాటిని ఎంత విస్తృతంగా ఉటంకిస్తారనే దానిపై ప్రాధాన్యత ఇవ్వబడుతుంది, మరియు వాటితో పాటు అసలు వ్యాఖ్యల ఉల్లేఖనలు కూడా ఉంటాయి. ఆ తర్వాత మా డొమైన్ నిపుణులు ఈ అభ్యర్థులను సమీక్షించి, అవసరమైతే సవరణలు చేసి, ఏవైతే ప్రధాన ఉత్తమ పద్ధతులుగా జ్ఞాన సంపదకు ప్రమోట్ చేయాలో నిర్ణయిస్తారు. ఈ పైప్‌లైన్ యొక్క మొదటి ప్రివ్యూల తర్వాత, రిపోజిటరీ లీడ్‌లు తమకు ఇష్టమైన అంశాలు కీలకమైన మార్గదర్శకాలుగా పైకి రావడాన్ని చూసి ఉత్సాహపడ్డారు మరియు వెంటనే తమ రిపోజిటరీలను విశ్లేషణ కోసం నమోదు చేయాలనుకున్నారు.   

చివరి దశ అలైన్‌మెంట్ ఏజెంట్, ఇది ఉదాహరణ జ్ఞాన సంఘానికి వ్యతిరేకంగా అన్ని మార్పులను తనిఖీ చేయడం ద్వారా మానవ ఇంజనీర్లకు మరియు AI కోడింగ్ ఏజెంట్లకు ఒకే విధంగా సహాయపడుతుంది. ఈ సరళమైన అంచనాను సాఫ్ట్‌వేర్ డెవలప్‌మెంట్ జీవితచక్రం అంతటా వర్తింపజేయవచ్చు: కోడింగ్ సమయంలో, మర్జ్ సమయంలో, మరియు జ్ఞాన సంఘం పెరిగేకొద్దీ రాబ్లాక్స్ కోడ్‌బేస్‌ను స్వయంచాలకంగా మెరుగుపరిచే నిరంతర అభివృద్ధి ఏజెంట్‌తో కూడా వర్తింపజేయవచ్చు.  

AI ప్రవర్తనను Roblox ప్రమాణాలకు అనుగుణంగా మార్చడానికి ఈ ఇన్-కాంటెక్స్ట్ లెర్నింగ్‌ను ఉపయోగించడం ద్వారా, ఒక AI కోడింగ్ ఏజెంట్ యొక్క గోల్డెన్ మూల్యాంకన డేటాసెట్‌లో పాస్ రేట్లు 84% నుండి 100%కి పెరగడాన్ని మేము చూశాము. మేము కేవలం Roblox AIకి కోడ్ ఎలా చేయాలో నేర్పించడం లేదు; Roblox ఇంజనీర్లు ఎలా ఆలోచిస్తారో మా AIకి నేర్పిస్తున్నాము.

నकारात्मक సంకేతాల నుండి నేర్చుకోవడం

ఆదర్శప్రాయమైన అనుసంధానం కోడ్‌బేస్ నాణ్యత కోసం మా ప్రామాణిక స్థాయిని గణనీయంగా పెంచినప్పటికీ, AI-సూచించిన కోడ్ యొక్క మొదటి ప్రయత్నమే మా అత్యంత అనుభవజ్ఞులైన ఇంజనీర్ల పని అంతగా విశ్వసనీయంగా ఉండే స్థాయికి చేరుకోవడమే మా అంతిమ లక్ష్యం. అందుకే మేము తిరస్కరించబడిన ప్రతి AI సూచన, విఫలమైన రీఫ్యాక్టర్, లేదా రిగ్రెషన్‌ను కలిగించే ప్రతి మర్జ్‌ను సిస్టమ్‌లోకి తిరిగి పంపగల ఒక అధిక-విలువ సంకేతంగా ఉపయోగిస్తాము. ఇది ఏజెంట్లు నిరంతరం మెరుగుపడటానికి మరియు వారి తప్పుల నుండి నేర్చుకోవడానికి ఒక పైప్‌లైన్‌ను సృష్టిస్తుంది.

ప్రతికూల ఫలితాలను డొమైన్ నిపుణులు వివరణాత్మక హేతుబద్ధత, ఆలోచనా శ్రేణి, మరియు వైఫల్యం చుట్టూ ఉన్న ఏదైనా అదనపు సందర్భంతో ఫిల్టర్ చేసి, లేబుల్ చేయవచ్చు. ఆ తర్వాత ఈ డేటాను సెమాంటిక్‌గా ఎంబెడ్ చేసి, తిరిగి పొందడానికి ఇండెక్స్ చేస్తారు. మా కోడ్ ఇంటెలిజెన్స్ ప్లాట్‌ఫారమ్ కొత్త అవుట్‌పుట్‌ను ప్రతిపాదించినప్పుడు, అది గత తప్పులను మరియు సమీక్షకుల ఫీడ్‌బ్యాక్‌ను గుర్తుచేసుకుని, వాటిని పునరావృతం చేయకుండా ఉండేందుకు ఈ డేటా ద్వారా సెమాంటిక్ సెర్చ్ చేస్తుంది.

ఈ మూసివేయబడిన ఫీడ్‌బ్యాక్ లూప్, ప్రతి కోడ్-సమీక్షను నిర్మాణాత్మక అభ్యాస డేటాగా మార్చి, ప్రతికూల మరియు విమర్శ-ఆధారిత శిక్షణ ద్వారా భవిష్యత్ ఏజెంట్ ప్రవర్తనను నిరంతరం మెరుగుపరుస్తుంది.

ఒక దృఢమైన మూల్యాంకన ఫ్రేమ్‌వర్క్‌ను నిర్మించడం

కొలతతో ప్రారంభమయ్యే విశ్వసనీయమైన, ఊహించదగిన ప్రవర్తన ద్వారా నమ్మకం నిర్మించబడుతుంది. కాలక్రమేణా మా ఏజెంట్ల పనితీరును ట్రాక్ చేయడానికి మేము ఒక ప్రత్యేకమైన మూల్యాంకన వ్యవస్థను రూపొందించాము.

ఫ్రేమ్‌వర్క్‌లో ఇవి ఉంటాయి:

• టాస్క్-స్థాయి బెంచ్‌మార్క్‌లు: రీఫ్యాక్టరింగ్, టెస్టింగ్ మరియు బగ్-ఫిక్స్ టాస్క్‌ల వంటి వేలాది Roblox ఇంజనీరింగ్ కార్యకలాపాలలో ప్రెసిషన్ మరియు రికాల్‌ను కొలుస్తాయి.
• సిమ్యులేషన్ హార్నెస్‌లు: పునరుత్పాదక స్కోరింగ్ కోసం నిర్ణీత ఫలితాలు గల కృత్రిమ PRలు.
• మానవ-ఇన్-ది-లూప్ ప్యానెల్లు: AI అవుట్‌పుట్‌ను గోల్డ్-స్టాండర్డ్ ఇంప్లిమెంటేషన్‌లతో నిపుణులు పోల్చడం.
• ఎగ్జిక్యూషన్ ఫ్రేమ్‌వర్క్: ఏజెంట్ మెరుగుదలలను మర్జింగ్ చేసేటప్పుడు, సంబంధిత ఎవాల్‌లు సమాంతరంగా ప్రీ-మర్జ్ కంటిన్యూయస్ ఇంటిగ్రేషన్ (CI) సూట్‌లో భాగంగా అమలు చేయబడతాయి, ఇది ఇంజనీర్లకు వారి మార్పులపై అధిక విశ్వాసాన్ని ఇస్తుంది. 
• దీర్ఘకాలిక కొలమానాలు: విలీనం తర్వాత తిరోగమనాలు, తిరిగి మార్చడం యొక్క ఫ్రీక్వెన్సీ, మరియు ఆలస్యం మార్పులను విడుదలల అంతటా ట్రాక్ చేస్తారు.
• సర్వవ్యాప్త పరిశీలన: ఏజెంట్లను Robloxలోని మిగిలిన భాగాలతో అనుసంధానించడానికి మరియు ఆన్‌లైన్, ఆఫ్‌లైన్ మూల్యాంకనంలోకి సజావుగా అందించడానికి ఏజెంట్ కార్యకలాపాల యొక్క స్వయంచాలక ట్రేసింగ్ మరియు విజువలైజేషన్.

ఈ వ్యవస్థ ఏజెంట్ నాణ్యత స్కోర్‌ను ఉత్పత్తి చేస్తుంది, ఇది కాలక్రమేణా పనితీరు మార్పులను కచ్చితంగా ట్రాక్ చేస్తుంది, ఏజెంట్ సవరణలు మరియు మోడల్ వెర్షన్‌ల మధ్య ప్రామాణికమైన పోలికలను సాధ్యం చేస్తుంది. మేము ఉదాహరణ అనుసంధానం మరియు పూర్తి మూల్యాంకన సూట్‌ను పరిచయం చేసినప్పటి నుండి, 10,000-PRల సెట్‌పై ఒక రాబ్లాక్స్ కోడ్ ఇంటెలిజెన్స్ ఏజెంట్ యొక్క PR సూచన ఆమోద రేటు సుమారు 30% నుండి 60% కంటే ఎక్కువకు మెరుగుపడింది, ఇది విశ్వసనీయమైన, డొమైన్‌కు అనుసంధానించబడిన పనితీరుకు ఒక ప్రారంభ సూచన. అదే ప్రక్రియ ద్వారా, మా ఫీచర్ ఫ్లాగ్ క్లీనప్ ఏజెంట్ దాని మొత్తం కచ్చితత్వాన్ని 46% నుండి 90% కంటే ఎక్కువకు పెంచింది.

ముందున్న మార్గం: ప్రతి సాధనంలో నిపుణుల తీర్పును అల్లడం 

మేము MCP మరియు టూల్ వ్రాపర్‌ల యొక్క ఒక పొరను నిర్మించడం ద్వారా మరియు కోడ్ ఇంటెలిజెన్స్ ప్లాట్‌ఫారమ్‌ను లక్షిత పనుల నుండి Roblox కోడ్‌బేస్‌ను ఆరోగ్యంగా ఉంచే ఒక వ్యవస్థగా అభివృద్ధి చేయడం ద్వారా మా స్థాపించబడిన అంతర్గత వ్యవస్థల యొక్క ప్రయోజనాన్ని పెంచుతున్నాము. 

రన్‌టైమ్ సందర్భం మరియు నిపుణుల తీర్పు వంటి, గతంలో స్కేల్ చేయడం కష్టంగా ఉన్న జ్ఞానం ప్రతి సాధనం మరియు వర్క్‌ఫ్లోలో అల్లుకుపోయిన ఒక ఇంజనీరింగ్ భవిష్యత్తును మేము ఊహించుకుంటున్నాము. కోడ్ ఇంటెలిజెన్స్, ఆదర్శ అనుసంధానం మరియు పరిశీలన సామర్థ్యం కలిసి వచ్చినప్పుడు, మనం స్థిరమైన ప్రయోజనాన్ని పొందుతాము: మెరుగైన నాణ్యత, వేగవంతమైన డెలివరీ, మరియు ఆరోగ్యకరమైన, అభివృద్ధి చెందుతున్న కోడ్‌బేస్. దీర్ఘకాలిక లక్ష్యం ఏమిటంటే, ప్రతి ఇంజనీర్‌కు సంస్థాగత జ్ఞానం యొక్క శక్తిని, ప్రతి బృందానికి వేగంగా షిప్ చేసే నమ్మకాన్ని, మరియు ప్రతి ఇంజనీర్‌కు నిర్వహణపై కాకుండా ఆవిష్కరణలపై దృష్టి పెట్టే స్వేచ్ఛను ఇవ్వడం.