大语言模型时代下自我适应的重新构想
软件工程
2024-04-16 v1
摘要
现代软件系统面临来自上下文、环境等方面的各种不确定性。为此，自我适应技术被寻求作为潜在的解决方案。尽管近期通过使用机器学习（ML）技术在自我适应方面取得的进展展示了可喜的成果，但其能力受到ML技术所施加约束的限制，例如对训练样本的需求、泛化能力等。生成式人工智能（GenAI）的最新进展开辟了新的可能性，因为它在海量数据上进行训练，有望实现对不确定性的解释和适应策略的合成。在此背景下，本文提出了利用GenAI，特别是大语言模型（LLM），来提升架构适应的有效性与效率的愿景。通过与人类操作员进行类比，我们提出LLM可以通过其先进的自然语言处理能力，自主生成类似的、上下文敏感的适应策略。该方法允许软件系统理解其运行状态，并实施符合其架构要求和环境变化的适应。通过将LLM集成到自我适应系统架构中，我们促进了类似于人类适应推理的细致决策。使用SWIM示例系统进行的案例研究提供了可喜的结果，表明LLM有可能处理不同的适应场景。我们的研究结果表明，GenAI在提升软件系统的动态适应性和弹性方面具有巨大潜力。
引用
@article{arxiv.2404.09866,
title = {Reimagining Self-Adaptation in the Age of Large Language Models},
author = {Raghav Donakanti and Prakhar Jain and Shubham Kulkarni and Karthik Vaidhyanathan},
journal= {arXiv preprint arXiv:2404.09866},
year = {2024}
}