COSMosFL：用于故障定位的小型语言模型集成

大型语言模型正迅速被用于构建强大的软件工程工具和智能体，但其中大多数严重依赖超大型闭源模型。这反过来可能因安全问题、财务成本和环境影响而阻碍更广泛的采用。最近，许多开源小型语言模型正在发布并受到关注。虽然小型语言模型更小、更节能，因此更容易本地部署，但与大型闭源大型语言模型相比，它们往往表现出更差的性能。我们提出了COSMos，这是一种任务级大型语言模型集成技术，利用投票机制，在小型语言模型和大型语言模型之间提供更广泛的选择范围。我们使用基于大型语言模型的故障定位技术AutoFL实例化COSMos，并报告了大型语言模型准确性与各种成本（如能耗、推理时间和使用的令牌数量）之间的成本效益权衡。使用Defects4J进行的实证评估表明，与单个模型相比，COSMos可以构建有效的集成，在故障定位准确性和推理成本方面实现帕累托最优。