少有人走的路：以神经符号范式重新构想软件工程自动化
软件工程
2025-05-06 v1
摘要
大型代码模型（LCMs）的出现已经改变了软件工程（SE）自动化，推动了代码生成、源代码文档化、代码审查和缺陷修复等任务的显著进步。然而，这些进步伴随着权衡：实现高性能往往需要指数级的计算成本、降低的可解释性，以及日益依赖具有数千亿参数的数据密集型模型。在本文中，我们提出神经符号软件工程（Neurosymbolic Software Engineering，简称 NSE），作为一种将神经网络学习与符号（基于规则的）推理相结合，同时策略性地引入受控混沌源以模拟现实世界软件系统复杂动态的有前景的范式。这种混合方法旨在提高人工智能驱动的软件工程的效率、可靠性和透明度，同时引入受控随机性以适应不断变化的需求、不可预测的系统行为和非确定性的执行环境。通过重新定义人工智能驱动的软件工程自动化的核心原则，NSE 为更具适应性、透明度更高且更紧密贴合现代软件开发实践不断变化需求的解决方案奠定了基础。
引用
@article{arxiv.2505.02275,
title = {A Path Less Traveled: Reimagining Software Engineering Automation via a Neurosymbolic Paradigm},
author = {Antonio Mastropaolo and Denys Poshyvanyk},
journal= {arXiv preprint arXiv:2505.02275},
year = {2025}
}