提示至关重要：自动化软件可追溯性中提示工程的洞见与策略
软件工程
2023-08-02 v1
摘要
大型语言模型（LLMs）有潜力通过克服以往方法面临的挑战并引入新的可能性，来革新自动化可追溯性。然而，如何最优地利用LLMs实现自动化可追溯性仍不明确。本文探讨了从LLM中提取链接预测的提示工程过程，详细阐述了构建有效提示的方法及经验教训。此外，我们提出了多种利用LLMs生成可追溯性链接的策略，在提示精炼后的候选链接排序上优于以往的零样本方法。本文的主要目标是凸显构建可追溯性提示的过程，以有效驾驭LLMs推进自动可追溯性，从而启发并协助未来的研究人员与工程师。
引用
@article{arxiv.2308.00229,
title = {Prompts Matter: Insights and Strategies for Prompt Engineering in Automated Software Traceability},
author = {Alberto D. Rodriguez and Katherine R. Dearstyne and Jane Cleland-Huang},
journal= {arXiv preprint arXiv:2308.00229},
year = {2023}
}