O pequeno dilema: supervalorizar modelos de grandes linguagens
Publicado em: 2025 3ª Conferência Internacional sobre Modelos Fundamentais e de Grande Linguagem (FLLM)
Yongjian Tang; Doruk Tuncel; Christian Koerner; Thomas Runkler
A solicitação excessiva ocorre quando exemplos excessivos de solicitações prejudicam o desempenho do LLM, desafiando as suposições tradicionais de aprendizado simplista. Para estudar esse dilema, uma estrutura de solicitação avaliou a amostragem aleatória, a incorporação semântica e a seleção vetorial TF-IDF em modelos como GPT-4o, DeepSeek-v3 e LLama-3.1. Os resultados mostram que muitos exemplos específicos de domínios, paradoxalmente, prejudicam a precisão. Testados em conjuntos de dados de requisitos de software, o aumento gradual dos exemplos estratificados e selecionados pelo TF-IDF revelou tamanhos de prompt ideais. Essa abordagem evita solicitações excessivas e, ao mesmo tempo, supera a classificação de requisitos de última geração em 1%.
Veja na página do editor
Sistemas agentes baseados em LLM para engenharia de software: desafios e oportunidades
Enviado para: SE2026, Gesellschaft für Informatik, Bonn
Yongjian Tang, Thomas Runkler
Apesar dos avanços do LLM, tarefas complexas de engenharia de software exigem abordagens colaborativas e especializadas. Este artigo analisa sistematicamente o paradigma emergente dos sistemas multiagentes baseados em LLM em todo o ciclo de vida de desenvolvimento de software, incluindo engenharia de requisitos, geração de código, teste e depuração. Ele examina a seleção de modelos, benchmarks de avaliação, estruturas de agentes e protocolos de comunicação. Além disso, o trabalho destaca os principais desafios, como orquestração, coordenação entre agentes humanos, otimização de custos e coleta de dados, oferecendo informações essenciais sobre o estado da engenharia de software agente.
Veja na página do editor
Modernização de sistemas legados orientada por modelos em grande escala
Publicado em: ReCode '26: Anais do 1º Workshop sobre Tradução, Transformação e Modernização de Código, páginas 13 a 18
Tobias Bohm, Jens Guan Su Tien, Mohini Nonnenmann, Tom Schoonbaert, Bart Carpels, Andreas Biesdorf
Este relato de experiência apresenta uma abordagem baseada em modelos de quatro estágios (análise, enriquecimento, síntese, transição) que insere um modelo intermediário independente de tecnologia entre bases de código legadas e plataformas de destino modernas. Aplicado a um grande aplicativo.NET industrial, ele migra de forma semiautomática interfaces de usuário e estruturas de páginas para pilhas modernas da Web, preservando o comportamento funcional. Ao consolidar o conhecimento arquitetônico em modelos explícitos, ele melhora a capacidade de manutenção e a experiência do desenvolvedor. Apesar dos desafios de layout exigirem esforço manual, a abordagem reduz riscos, escala de forma eficaz e oferece padrões reutilizáveis.
Veja na página do editor
Unindo a sintaxe formal e a semântica do LLM: extraindo gráficos de conhecimento para entender o código legado
Publicado em: 23ª Conferência Internacional IEEE sobre Software Architecture Companion (ICSA‑C) de 2026
Henrik Thillmann; Bernhard Rumpe; Andreas Biesdorf
Empresas estabelecidas geralmente confiam em sistemas legados que são difíceis de manter devido a linguagens desatualizadas e identificadores pouco claros. No entanto, a substituição desses sistemas representa o risco de perder sua confiabilidade comprovada. Modelos de grandes linguagens podem ajudar na recuperação e modernização da arquitetura, mas exigem um gerenciamento preciso do contexto. Como o código é uma linguagem formal analisável, a recuperação pode explorar a estrutura do programa em vez de depender de texto não estruturado. Propomos uma metodologia baseada em análise para construir um gráfico de conhecimento com reconhecimento de estrutura para o GraphRag. Essa abordagem demonstra maior precisão de recuperação e raciocínio arquitetônico multi-hop em um estudo de caso industrial.
Veja na página do editor
