PathOCL：基于路径的 GPT-4 OCL 生成提示增强

GitHub Copilot 等 AI 编程助手的快速发展促进了软件应用的开发。这些助手依赖于大语言模型（LLMs），它们是支持与语言理解和生成相关的广泛任务的基础模型（FMs）。LLMs 已经展示了它们使用形式化语言（如对象约束语言（OCL））表达 UML 模型规范的能力。然而，提示的上下文大小受限于 LLM 可以处理的 token 数量。随着 UML 类模型规模的增加，这一限制变得尤为显著。在本研究中，我们引入了 PathOCL，这是一种新颖的基于路径的提示增强技术，旨在促进 OCL 的生成。PathOCL 解决了 LLMs 的局限性，特别是它们的 token 处理限制以及大型 UML 类模型带来的挑战。PathOCL 基于分块的概念，选择性地用与英文规范相关的 UML 类子集来增强提示。我们的研究结果表明，与增强完整的 UML 类模型（UML-Augmentation）相比，PathOCL 使用 GPT-4 模型生成了更多有效且正确的 OCL 约束。此外，随着 UML 类模型规模的扩大，使用 PathOCL 构建的平均提示大小显著减小。