Le dilemme en quelques points : trop insister sur les grands modèles linguistiques
Publié dans : 3e Conférence internationale sur les modèles linguistiques fondamentaux et larges (FLLM) 2025
Yongjian Tang ; Doruk Tuncel ; Christian Koerner ; Thomas Runkler
Les incitations excessives se produisent lorsque le nombre excessif d'exemples dans les invites altère les résultats de la maîtrise en droit, remettant en question les hypothèses d'apprentissage traditionnelles en quelques étapes. Pour étudier ce dilemme, un cadre incitatif a évalué l'échantillonnage aléatoire, l'intégration sémantique et la sélection vectorielle TF-IDF sur des modèles tels que GPT-4o, DeepSeek-v3 et LLama-3.1. Les résultats montrent que trop d'exemples spécifiques à un domaine nuisent paradoxalement à la précision. Testé sur des ensembles de données relatives aux exigences logicielles, des exemples stratifiés de plus en plus nombreux et sélectionnés par TF-IDF ont révélé des tailles d'invite optimales. Cette approche évite les demandes excessives tout en surpassant de 1 % la classification moderne des exigences.
Afficher sur la page de l'éditeur
Systèmes agentiques basés sur un LLM pour le génie logiciel : défis et opportunités
Soumise à : SE2026, Gesellschaft für Informatik, Bonn
Yongjian Tang, Thomas Runkler
Malgré les avancées du LLM, les tâches complexes de génie logiciel exigent des approches collaboratives et spécialisées. Cet article passe en revue de manière systématique le paradigme émergent des systèmes multi-agents basés sur LLM tout au long du cycle de développement logiciel, y compris l'ingénierie des exigences, la génération de code, les tests et le débogage. Il examine la sélection des modèles, les critères d'évaluation, les cadres agentiques et les protocoles de communication. En outre, l'ouvrage met en lumière des défis majeurs tels que l'orchestration, la coordination homme-agent, l'optimisation des coûts et la collecte de données, offrant ainsi des informations essentielles sur l'état du génie logiciel des agences.
Afficher sur la page de l'éditeur
Modernisation à grande échelle des anciens systèmes pilotée par des modèles
Publié dans : ReCODE '26 : Actes du premier atelier sur la traduction, la transformation et la modernisation du code, pages 13 à 18
Tobias Böhm, Jens Guan Su Tien, Mohini Nonnenmann, Tom Schoonbaert, Bart Carpels, Andreas Biesdorf
Ce rapport d'expérience présente une approche basée sur des modèles en quatre étapes (analyse, enrichissement, synthèse, transition) qui insère un modèle intermédiaire indépendant de la technologie entre les bases de code existantes et les plateformes cibles modernes. Appliqué à une grande application industrielle .NET, il migre de manière semi-automatique les interfaces utilisateur et les structures de pages vers des sites Web modernes tout en préservant le comportement fonctionnel. En consolidant les connaissances architecturales dans des modèles explicites, cela améliore la maintenabilité et l'expérience des développeurs. Malgré les problèmes de mise en page nécessitant un effort manuel, cette approche réduit les risques, s'adapte efficacement et propose des motifs réutilisables.
Afficher sur la page de l'éditeur
Faire le lien entre la syntaxe formelle et la sémantique du LLM : extraire des graphes de connaissances pour comprendre le code existant
Publié en : 23e Conférence internationale IEEE 2026 sur l'architecture logicielle Companion (ICSA‑C)
Henrik Thillmann ; Bernhard Rumpe ; Andreas Biesdorf
Les entreprises établies s'appuient souvent sur des systèmes existants difficiles à gérer en raison de langages obsolètes et d'identifiants peu clairs. Cependant, le remplacement de ces systèmes risque de perdre leur fiabilité prouvée. Les grands modèles linguistiques peuvent faciliter la restauration et la modernisation de l'architecture, mais ils nécessitent une gestion précise du contexte. Le code étant un langage formel analysable, la récupération peut exploiter la structure du programme au lieu de s'appuyer sur du texte non structuré. Nous proposons une méthodologie basée sur l'analyse afin de créer un graphe de connaissances tenant compte de la structure pour GraphRag. Cette approche démontre une précision de récupération améliorée et un raisonnement architectural à sauts multiples dans le cadre d'une étude de cas industrielle.
Afficher sur la page de l'éditeur