可信的基于 LLM 的软件工程
软件工程
2024-02-08 v1
摘要
在本文中，我们探讨以下问题：如何在独立于人类的情况下使用大型语言模型（LLMs）来改进代码，同时确保改进后的代码——不退化原始代码的属性？——以可验证和可度量的方式改进原始代码？为了解决这个问题，我们提倡可信的基于 LLM 的软件工程；这是一种受遗传改进启发的生成与测试方法。可信的 LLMSE 应用一系列语义过滤器，丢弃未能满足这两项保证的代码。这克服了 LLM 容易产生幻觉的潜在问题。它允许我们独立于任何人类使用 LLM 生成代码。人类仅扮演最终代码审查者的角色，就像他们审查其他人类工程师生成的代码一样。本文是 Mark Harman 于 2024 年 4 月 15 日星期一在葡萄牙里斯本举行的神经软件工程可解释性、鲁棒性与基准测试国际研讨会上主题演讲内容的概要。
引用
@article{arxiv.2402.04380,
title = {Assured LLM-Based Software Engineering},
author = {Nadia Alshahwan and Mark Harman and Inna Harper and Alexandru Marginean and Shubho Sengupta and Eddy Wang},
journal= {arXiv preprint arXiv:2402.04380},
year = {2024}
}
备注
6 pages, 1 figure, InteNSE 24: ACM International Workshop on Interpretability, Robustness, and Benchmarking in Neural Software Engineering, April, 2024, Lisbon, Portugal