Малката дилема: Прекалено подтикване на големи езикови модели
Публикувано в: 2025 3-та Международна конференция по фундаментални и големи езикови модели (FLLM)
Йонджиан Танг; Дорук Тунсел; Кристиан Коернер; Томас Рунклер
Прекомерното подканване възниква, когато прекомерните примери в подканите влошават производителността на LLM, оспорвайки традиционните предположения за обучение с няколко пъти. За да проучи тази дилема, подтикваща рамка оценява случайно вземане на проби, семантично вграждане и избора на вектори на TF-IDF в модели като GPT-4o, DeepSeek-v3 и LLAMA-3.1. Резултатите показват, че твърде много специфични за домейна примери парадоксално вредят на точността. Тествано върху набори от данни за софтуерни изисквания, постепенно увеличавайки се стратифицирани и избрани от TF-IDF примери, разкриват оптимални бързи размери. Този подход избягва прекомерното подтичане, като същевременно превъзхожда класификацията на най-съвременните изисквания с 1%.
Виж на страницата на издателя
LLM базирани агентни системи за софтуерно инженерство: Предизвикателства и възможности
Изпратено до: SE2026, Gesellschaft für Informatik, Бон
Йонджиан Тан, Томас Рунклер
Въпреки напредъка на LLM, сложните задачи по софтуерно инженерство изискват съвместни, специализирани подходи. Тази статия систематично преглежда възникващата парадигма на базираните на LLM мултиагентни системи през целия жизнен цикъл на разработка на софтуер, включително инженеринг на изисквания, генериране на код, тестване и отстраняване на грешки. Той разглежда избора на модели, показатели за оценка, агентни рамки и комуникационни протоколи. Освен това работата подчертава ключови предизвикателства като оркестрация, координация човек-агент, оптимизация на разходите и събиране на данни, предлагайки съществени прозрения за състоянието на агентното софтуерно инженерство.
Виж на страницата на издателя
Модернизирана от модела наследствена система в мащаб
Публикувано в: RecODE '26: Сборници от 1-вия семинар по превод, трансформация и модернизация на кодове, стр. 13-18
Тобиас Бьом, Йенс Гуан Су Тиен, Мохини Ноненман, Том Шунберт, Барт Карпелс, Андреас Бисдорф
Този доклад от опита представя четириетапен подход, управляван от модела (анализ, обогатяване, синтез, преход), който вмъква технологично-агностичен междинен модел между наследените кодови бази и съвременните целеви платформи. Приложен към голямо индустриално приложение .NET, той полуавтоматично мигрира потребителски интерфейси и структури на страници към съвременни уеб купчини, като същевременно запазва функционалното поведение. Чрез консолидиране на архитектурните знания в явни модели, той подобрява поддръжката и опита на разработчиците. Въпреки предизвикателствата при оформлението, изискващи ръчно усилие, подходът намалява риска, мащабира се ефективно и предлага модели за многократна употреба.
Виж на страницата на издателя
Свързване на формалния синтаксис и семантика на LLM: Извличане на графики на знанията за разбиране на наследения код
Публикувано в: 2026 IEEE 23-та международна конференция по софтуерна архитектура придружител (ICSA‑C)
Хенрик Тилман; Бернхард Румпе; Андреас Бисдорф
Създадените предприятия често разчитат на наследени системи, които са трудни за поддръжка поради остарели езици и неясни идентификатори. Замяната на тези системи обаче представлява риск от загуба на доказана им надеждност. Големите езикови модели могат да помогнат при възстановяването и модернизацията на архитектурата, но изискват прецизно управление на контекста. Тъй като кодът е формален език, който може да се анализира, извличането може да използва структурата на програмата, вместо да разчита на неструктуриран текст. Предлагаме методология, базирана на анализиране, за изграждане на графика на знанията, съобразена със структурата, за GraphRAG. Този подход демонстрира подобрена прецизност на извличане и архитектурни разсъждения с много хмел в индустриален казус.
Виж на страницата на издателя