Bài báo này trình bày một quy trình mô hình ngôn ngữ quy mô lớn giúp cải thiện việc kiểm tra dữ liệu tự động đối với các yêu cầu phức tạp. Các phương pháp suy luận hướng dẫn chương trình hiện có gặp phải một số hạn chế do phụ thuộc vào các bản demo được tạo thủ công. Để khắc phục những hạn chế này, chúng tôi đề xuất BOOST, một phương pháp khởi động (bootstrapping) cho phép tinh chỉnh lặp lại các siêu quy tắc dựa trên dữ liệu mà không cần sự can thiệp của con người. BOOST chuyển đổi liền mạch từ phương pháp học hướng dẫn chương trình zero-shot sang few-shot, nâng cao khả năng diễn giải và hiệu quả. Kết quả thực nghiệm chứng minh rằng BOOST vượt trội hơn các mô hình cơ sở few-shot hiện có trong việc xác minh yêu cầu phức tạp.
