WALL：使用大语言模型实现自动化质量保证的 Web 应用
软件工程
2025-09-15 v1 人工智能
摘要
随着软件项目变得日益复杂，代码文件中问题的数量和种类也大幅增加。应对这一挑战需要高效的问题检测、解决和评估工具。本文提出了 WALL，一个集成了 SonarQube 和大语言模型（LLM）（如 GPT-3.5 Turbo 和 GPT-4o）的 Web 应用，以自动化执行这些任务。WALL 包含三个模块：问题提取工具、代码问题修订器和代码比较工具。它们共同构成了一个无缝的流水线，用于检测软件问题、生成自动化代码修订以及评估修订的准确性。我们在包含超过 7,599 个问题的 563 个文件上进行的实验证明了 WALL 在减少人工工作量的同时保持高质量修订的有效性。结果表明，采用结合高性价比和先进 LLM 的混合方法可以显著降低成本并提高修订率。未来的工作旨在通过整合开源 LLM 和消除人工干预来增强 WALL 的能力，为完全自动化的代码质量管理铺平道路。
引用
@article{arxiv.2509.09918,
title = {WALL: A Web Application for Automated Quality Assurance using Large Language Models},
author = {Seyed Moein Abtahi and Akramul Azim},
journal= {arXiv preprint arXiv:2509.09918},
year = {2025}
}