Arxiv hàng ngày

Đây là trang tổng hợp các bài báo về trí tuệ nhân tạo được xuất bản trên toàn thế giới.
Trang này sử dụng Google Gemini để tóm tắt nội dung và hoạt động phi lợi nhuận.
Bản quyền của các bài báo thuộc về tác giả và tổ chức liên quan; khi chia sẻ, chỉ cần ghi rõ nguồn.

LLM như một trình tạo mã trong Phát triển theo mô hình Agile

Created by
  • Haebom

Tác giả

Ahmed R. Sadik, Sebastian Brulin, Markus Olhofer

Phác thảo

Trong bài báo này, chúng tôi đề xuất một phương pháp phát triển theo mô hình linh hoạt (AMDD) để giải quyết những thách thức của việc tự động tạo mã bằng mô hình ngôn ngữ quy mô lớn (LLM), GPT4. AMDD mô hình hóa hệ thống đội xe tự hành đa tác nhân (UVF) bằng UML và tích hợp Ngôn ngữ ràng buộc đối tượng (OCL) và ngôn ngữ ontology FIPA để giảm sự mơ hồ của mô hình. Các mã Java và Python được tạo bằng GPT4 tương thích với các khuôn khổ JADE và PADE tương ứng, và chúng tôi đánh giá hành vi của mã được tạo ra và sự cải thiện tương tác của các tác nhân. Chúng tôi so sánh và phân tích độ phức tạp của mã của các mô hình chỉ sử dụng OCL và các mô hình sử dụng cả ontology OCL và FIPA, và chỉ ra rằng các ràng buộc ontology làm tăng độ phức tạp của mã, nhưng ở mức có thể quản lý được.

Takeaways, Limitations

Takeaways:
Phương pháp AMDD nhằm cải thiện hiệu quả tạo mã tự động bằng LLM
Trình bày phương pháp giảm thiểu sự mơ hồ của mô hình bằng cách tích hợp các ngôn ngữ ontology UML, OCL và FIPA
Xác minh tính ứng dụng thực tế bằng cách đánh giá chức năng và hiệu suất của mã được tạo ra.
Đề Xuất khả năng quản lý độ phức tạp của mã bằng cách thêm các ràng buộc mô hình siêu dữ liệu
Limitations:
Cần có thêm nghiên cứu về khả năng tổng quát hóa của phương pháp AMDD được đề xuất.
Cần phải xác minh khả năng mở rộng cho nhiều hệ thống và LLM khác nhau.
Cần kiểm tra khả năng áp dụng và hạn chế đối với các hệ thống phức tạp hơn
Xem xét các phụ thuộc vào các khuôn khổ cụ thể (JADE, PADE)
👍