"Прикольная работа про модель мира/нейро-дебаггер питона. Модели не обязательно запускать реальный интерпретатор, она может сделать нужные выводы ""в голове"". Towards a Neural Debugger for Python __Maximilian Beck, Jonas Gehring, Jannik Kossen, Gabriel Synnaeve__ Статья: https://arxiv.org/abs/2603.09951 Ревью: https://arxiviq.substack.com/p/towards-a-neural-debugger-for-python # TL;DR ЧТО сделали: Авторы формулируют интерактивный дебаг как марковский процесс принятия решений. Они обучают языковые модели предсказывать промежуточные состояния программы в зависимости от стандартных действий дебаггера (например, `step_into`, `breakpoint`). Для этого собрали пайплайн данных, который превращает плоские трейсы выполнения питоновского кода в иерархические деревья. Это позволяет модели выполнять как прямой прогон кода, так и инверсный вывод состояния. ПОЧЕМУ это важно: Текущие модели, умеющие работать с выполнением кода, потребляют линейные неинтерактивные трейсы, что совершенно не отражает то, как разработчики на самом деле ищут баги. Дав модели интерактивный контроль над симулируемым выполнением, эта работа закладывает фундамент ""модели мира"" (world model) для агентных систем написания кода. Теперь агенты могут шагать по коду, реверс-инжинирить инпуты и итеративно исправлять ошибки — и всё это без необходимости дёргать реальный рантайм. Дебажить тут: https://t.me/gonzo_ML_podcasts/2780"