Кілька разів дилема: Надмірна підказка великих мовних моделей
Опубліковано в: 2025 3-а Міжнародна конференція з фундаментальних і великих мовних моделей (FLLM)
Юнцзянь Тан; Дорук Тунсель; Крістіан Кернер; Томас Рунклер
Надмірна підказка виникає, коли надмірні приклади в підказках погіршують ефективність LLM, кидаючи виклик традиційним припущенням про навчання кількох разів. Щоб вивчити цю дилему, підказуюча структура оцінювала випадкову вибірку, семантичне вбудовування та відбір векторів TF-IDF у таких моделях, як GPT-4O, DeepSeek-v3 та LLAMA-3.1. Результати показують, що занадто багато прикладів, специфічних для домену, парадоксально шкодять точності. Перевірені на наборах даних вимог до програмного забезпечення, поступово збільшуючи стратифіковані та вибрані TF-IDF приклади виявили оптимальні розміри підказок. Такий підхід дозволяє уникнути надмірних запитів, одночасно перевершуючи сучасну класифікацію вимог на 1%.
Переглянути на сторінці видавця
Агентичні системи на базі LLM для інженерії програмного забезпечення: виклики та можливості
Надано до: SE2026, Товариство з питань інформатики, Бонн
Юнцзянь Тан, Томас Рунклер
Незважаючи на досягнення LLM, складні завдання програмної інженерії вимагають спільних, спеціалізованих підходів. У цій статті систематично розглядається нова парадигма багатоагентних систем на основі LLM протягом усього життєвого циклу розробки програмного забезпечення, включаючи розробку вимог, генерування коду, тестування та налагодження. Він досліджує вибір моделі, орієнтири оцінки, агентні рамки та протоколи зв'язку. Крім того, робота висвітлює ключові проблеми, такі як оркестрація, координація людини-агента, оптимізація витрат та збір даних, пропонуючи важливе уявлення про стан інженерії програмного забезпечення.
Переглянути на сторінці видавця
Модельна модернізація застарілих систем у масштабах
Опубліковано в: ReCODE '26: Матеріали 1-го семінару з перекладу, трансформації та модернізації коду, сторінки 13 - 18
Тобіас Бем, Йенс Гуан Су Тьєн, Мохіні Нонненманн, Том Шунберт, Барт Карпелс, Андреас Бісдорф
Цей звіт про досвід представляє чотириетапний підхід, керований моделлю (аналіз, збагачення, синтез, перехід), який вставляє технологічно незалежну проміжну модель між застарілими кодовими базами та сучасними цільовими платформами. Застосовується до великого промислового додатку.NET, він напівавтоматично мігрує користувальницькі інтерфейси та структури сторінок до сучасних веб-стеків, зберігаючи функціональну поведінку. Консолідуючи архітектурні знання в явні моделі, це покращує ремонтопридатність та досвід розробників. Незважаючи на проблеми з макетом, що вимагають ручних зусиль, підхід зменшує ризик, ефективно масштабується та пропонує багаторазові шаблони.
Переглянути на сторінці видавця
Поєднання формального синтаксису та семантики LLM: вилучення графіків знань для розуміння застарілого коду
Опубліковано в: 2026 23-а міжнародна конференція IEEE з супутника архітектури програмного забезпечення (ICSA‑C)
Генрік Тілманн; Бернхард Румпе; Андреас Бісдорф
Сформовані підприємства часто покладаються на застарілі системи, які важко підтримувати через застарілі мови та незрозумілі ідентифікатори. Однак заміна цих систем створює ризик втрати їх доведеної надійності. Великі мовні моделі можуть допомогти у відновленні та модернізації архітектури, але вони вимагають точного управління контекстом. Оскільки код є формальною мовою, що піддається аналізу, пошук може використовувати структуру програми замість того, щоб покладатися на неструктурований текст. Ми пропонуємо методологію на основі парсингу для побудови графіка знань, що відповідає структурі, для GraphRAG. Цей підхід демонструє покращену точність пошуку та багатохмільні архітектурні міркування в промисловому прикладі.
Переглянути на сторінці видавця