Tình thế tiến thoái lưỡng nan: Quá nhắc nhở các mô hình ngôn ngữ lớn
Xuất bản trong: Hội nghị quốc tế lần thứ 3 về nền tảng và mô hình ngôn ngữ lớn (FLLM) năm 2025
Đường Vĩnh Kiến; Doruk Tuncel; Christian Koerner; Thomas Runkler
Việc nhắc nhở quá mức xảy ra khi các ví dụ quá mức trong lời nhắc làm giảm hiệu suất LLM, thách thức các giả định học tập truyền thống ít lần. Để nghiên cứu tình thế tiến thoái lưỡng nan này, một khung nhắc nhở đã đánh giá lấy mẫu ngẫu nhiên, nhúng ngữ nghĩa và lựa chọn vectơ TF-IDF trên các mô hình như GPT-4O, DeepSeek-v3 và LLAMA-3.1. Kết quả cho thấy rằng quá nhiều ví dụ về miền cụ thể gây hại cho độ chính xác một cách nghịch lý. Được thử nghiệm trên các bộ dữ liệu yêu cầu phần mềm, tăng dần các ví dụ phân tầng và được chọn TF-IDF cho thấy kích thước nhắc nhở tối ưu. Cách tiếp cận này tránh được sự nhắc nhở quá mức trong khi vượt trội hơn phân loại yêu cầu hiện đại 1%.
Xem tại trang của nhà xuất bản
Hệ thống đại lý dựa trên LLM cho kỹ thuật phần mềm: Thách thức và cơ hội
Gửi đến: SE2026, Gesellschaft für Informatik, Bonn
Đường Vĩnh Kiến, Thomas Runkler
Bất chấp những tiến bộ của LLM, các nhiệm vụ kỹ thuật phần mềm phức tạp đòi hỏi các phương pháp tiếp cận hợp tác, chuyên biệt. Bài báo này xem xét một cách có hệ thống mô hình mới nổi của các hệ thống đa tác nhân dựa trên LLM trong toàn bộ vòng đời phát triển phần mềm, bao gồm kỹ thuật yêu cầu, tạo mã, thử nghiệm và gỡ lỗi. Nó kiểm tra lựa chọn mô hình, điểm chuẩn đánh giá, khuôn khổ đại lý và giao thức truyền thông. Ngoài ra, công việc nêu bật những thách thức chính như sắp xếp, phối hợp nhân sự, tối ưu hóa chi phí và thu thập dữ liệu, cung cấp những hiểu biết cần thiết về tình trạng kỹ thuật phần mềm đại lý.
Xem tại trang của nhà xuất bản
Hiện đại hóa hệ thống kế thừa theo mô hình trên quy mô
Xuất bản trong: ReCODE '26: Kỷ yếu Hội thảo đầu tiên về Dịch thuật, Chuyển đổi và Hiện đại hóa Mã, trang 13 - 18
Tobias Böhm, Jens Quan Su Tiến, Mohini Nonnenmann, Tom Schoonbaert, Bart Carpels, Andreas Biesdorf
Báo cáo kinh nghiệm này trình bày một cách tiếp cận định hướng mô hình bốn giai đoạn (phân tích, làm giàu, tổng hợp, chuyển đổi) chèn một mô hình trung gian bất khả tri công nghệ giữa các cơ sở mã kế thừa và các nền tảng mục tiêu hiện đại. Áp dụng cho một ứng dụng.NET công nghiệp lớn, nó bán tự động di chuyển giao diện người dùng và cấu trúc trang sang các ngăn xếp web hiện đại trong khi vẫn giữ được hành vi chức năng. Bằng cách củng cố kiến thức kiến trúc thành các mô hình rõ ràng, nó cải thiện khả năng bảo trì và kinh nghiệm của nhà phát triển. Mặc dù những thách thức về bố cục đòi hỏi nỗ lực thủ công, cách tiếp cận này giảm rủi ro, mở rộng hiệu quả và cung cấp các mẫu có thể tái sử dụng.
Xem tại trang của nhà xuất bản
Kết nối cú pháp chính thức và ngữ nghĩa LLM: Trích xuất đồ thị kiến thức để hiểu mã kế thừa
Xuất bản trong: 2026 Hội nghị Quốc tế IEEE lần thứ 23 về Người đồng hành Kiến trúc Phần mềm (ICSA‑C)
Henry Thillmann; Bernhard Rumpe; Andreas Biesdorf
Các doanh nghiệp thành lập thường dựa vào các hệ thống kế thừa khó duy trì do ngôn ngữ lỗi thời và số nhận dạng không rõ ràng. Tuy nhiên, việc thay thế các hệ thống này có nguy cơ mất độ tin cậy đã được chứng minh của chúng. Các mô hình ngôn ngữ lớn có thể hỗ trợ phục hồi và hiện đại hóa kiến trúc, nhưng chúng yêu cầu quản lý ngữ cảnh chính xác. Vì mã là một ngôn ngữ chính thức có thể phân tích được, truy xuất có thể khai thác cấu trúc chương trình thay vì dựa vào văn bản không có cấu trúc. Chúng tôi đề xuất một phương pháp dựa trên phân tích cú pháp để xây dựng biểu đồ kiến thức nhận thức cấu trúc cho GraphRAG. Cách tiếp cận này thể hiện độ chính xác truy xuất được cải thiện và lý luận kiến trúc đa bước trong một nghiên cứu điển hình công nghiệp.
Xem tại trang của nhà xuất bản