O dilema dos poucos disparos: Excessar modelos de linguagem grande
Publicado em: 2025 3ª Conferência Internacional sobre Fundação e Grandes Modelos de Linguagem (FLLM)
Yongjian Tang; Doruk Tuncel; Christian Koerner; Thomas Runkler
O excesso de solicitação ocorre quando exemplos excessivos em prompts degradam o desempenho do LLM, desafiando as suposições tradicionais de aprendizagem de poucas fotos. Para estudar este dilema, uma estrutura estimulante avaliou a amostragem aleatória, a incorporação semântica e a seleção de vetores TF-IDF em modelos como GPT-4o, DeepSeek-v3 e Llama-3.1. Os resultados mostram que muitos exemplos específicos de domínio prejudicam paradoxalmente a precisão. Testado em conjuntos de dados de requisitos de software, aumentando gradualmente os exemplos estratificados e selecionados pelo TF-IDF revelaram tamanhos de prompt ideais. Esta abordagem evita o excesso de solicitação enquanto supera a classificação de requisitos de última geração em 1%.
Ver na página do editor
Sistemas agênticos baseados em LLM para engenharia de software: Desafios e oportunidades
Submetido a: 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 revisa sistematicamente o paradigma emergente dos sistemas multiagentes baseados em LLM ao longo de todo o ciclo de vida do desenvolvimento de software, incluindo engenharia de requisitos, geração de código, testes e depuração. Examina a seleção de modelos, benchmarks de avaliação, estruturas agênticas e protocolos de comunicação. Além disso, o trabalho destaca os principais desafios como orquestração, coordenação humano-agente, otimização de custos e recolha de dados, oferecendo insights essenciais sobre o estado da engenharia de software agêntica.
Ver na página do editor
Modernização de sistemas legados orientada por modelos em escala
Publicado em: ReCode '26: Anais do 1º Workshop sobre Tradução, Transformação e Modernização de Código, páginas 13 ‑ 18
Tobias Bohm, Jens Guan Su Tien, Mohini Nonnenmann, Tom Schoonbaert, Bart Carpels, Andreas Biesdorf
Este relatório de experiência apresenta uma abordagem orientada por modelos de quatro estágios (análise, enriquecimento, síntese, transição) que insere um modelo intermédio agnóstico de tecnologia entre bases de código legadas e plataformas de destino modernas. Aplicado a uma grande aplicação industrial .NET, migra semi-automaticamente interfaces de utilizador e estruturas de página para pilhas web modernas, preservando o comportamento funcional. Ao consolidar o conhecimento de arquitectura em modelos explícitos, melhora a capacidade de manutenção e a experiência do programador. Apesar dos desafios de layout exigirem esforço manual, a abordagem reduz o risco, dimensiona eficazmente e oferece padrões reutilizáveis.
Ver na página do editor
Unindo sintaxe formal e semântica LLM: Extraindo gráficos de conhecimento para compreensão de código legado
Publicado em: 23ª Conferência Internacional IEEE 2026 sobre Companheiro de Arquitetura de Software (ICSA‑C)
Henrik Tillmann; Bernhard Rumpe; Andreas Biesdorf
As empresas estabelecidas dependem frequentemente de sistemas legados que são difíceis de manter devido a linguagens desatualizadas e identificadores pouco claros. No entanto, a substituição destes sistemas representa o risco de perder a sua fiabilidade comprovada. Grandes modelos de linguagem podem ajudar na recuperação e modernização da arquitetura, mas exigem uma gestão precisa do contexto. Uma vez que 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 sensível à estrutura para o GraphRag. Esta abordagem demonstra uma melhor precisão de recuperação e raciocínio arquitectónico multi-hop num estudo de caso industrial.
Ver na página do editor
