每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

LLM 原生方法中用于软件验证和证伪的生成转换和模式

Created by
  • Haebom

作者

维克多·A·布拉伯曼、弗拉维娅·博诺莫-布拉伯曼、雅尼斯·查拉兰博斯、胡安·G·科隆纳、卢卡斯·C·科代罗、罗西安·德·弗雷塔斯

大纲

我们指出，利用大型语言模型 (LLM) 进行软件开发存在过时且缺乏系统性框架、方法论、设计指南和专业基准的问题。为了解决这一问题，我们系统地理解了生成转换、LLM 原生应用程序的核心功能单元及其组合模式。通过分析软件验证和证伪领域的 100 多项研究提案，我们提出了一个详细的生成转换分类法，将基于提示的交互抽象为概念签名。该分类法识别了重复出现的转换关系模式，并为未来模块化 LLM 应用程序设计、基准测试以及可靠的 LLM 原生系统的开发奠定了结构基础。

Takeaways, Limitations

•
Takeaways：
◦
为设计 LLM 本机应用程序提供系统的分类法和模式。
◦
为模块化、可配置的LLM应用设计研究奠定基础。
◦
为 LLM 原生系统的基准测试和可靠性确保做出了贡献。
◦
软件验证与反驳领域的研究趋势和战略差距分析。
•
Limitations：
◦
这是一项基于研究提案分析的二次研究，缺乏通过实际系统开发经验的直接验证。
◦
需要进一步研究所提出的分类系统和模式的实际应用和有效性。
◦
专注于特定领域（软件验证和反驳），需要进一步研究以推广到其他领域。
◦
随着LLM技术的快速发展，需要不断改进和更新所提出的方法。
👍
Made with Slashpage