TL;DR
- چکیده:.
- تولید مشخصات رسمیاخیراً توجه را در مهندسی نرم افزار بهعنوان راهی برای بهبود صحت برنامه بدون نیاز.
- به حاشیه نویسی دستی جلب کرده است.
چه اتفاقی افتاد
چکیده:. تولید مشخصات رسمیاخیراً توجه را در مهندسی نرم افزار بهعنوان راهی برای بهبود صحت برنامه بدون نیاز.
به حاشیه نویسی دستی جلب کرده است. مدلهای زبان بزرگ (LLM) در این زمینه امیدوارکننده بوده اند،.
اما نتایج اولیه چندین محدودیت را نشان میدهد. مشخصات تولید شده اغلب به دلیل خطاهای نحوی،.
نادرستی منطقی یا استدلال ناقص،. به ویژه در برنامههای دارای حلقه یا منطق انشعاب،.
تأیید نمیشود. تکنیکهایی مانند SpecGen و FormalBench تلاش میکنند تا از طریق درخواست و محک زدن به این موضوع رسیدگی.
کنند،. اما آنها معمولاً بر اعلانهای ثابت تکیه میکنند و مکانیسمهایی را برای بازیابی از شکست یا تطبیق با.
ساختارهای مختلف برنامه ارائه نمیدهند. در این مقاله،.
ما AutoReSpec،. یک چارچوب مشترک که LLMهای منبعباز و بسته را برای تولید مشخصات قابل تأیید ترکیب می.
کند،. ارائه میدهیم.
AutoReSpec به صورت پویا یک جفت LLM و پیکربندی سریع را بر اساس ساختار برنامه ورودی انتخاب می. کند.
اگر LLM اولیه نتواند یک خروجی معتبر تولید کند،. یک مدل مشارکتی با استفاده از بازخورد اعتبارسنجی برای اصلاح و تصحیح مشخصات فراخوانی میشود.
این طراحی دو مرحلهای سرعت و استحکام را ممکن میکند. ما AutoReSpec را بر اساس معیار جدیدی از 72 برنامه جاوا واقعی و مصنوعی ارزیابی میکنیم.
نتایج ما نشان میدهد که 67 پاس از 72 مورد را به دست میآورد که از SpecGen و. FormalBench هم در احتمال موفقیت و هم در کامل بودن بهتر عمل میکند.
ارزیابی تجربی ما به احتمال موفقیت 58. 2 ٪ و نمره کامل 69.
2 ٪ دست مییابد، در حالی که زمان ارزیابی را بهطور متوسط 26. 89 ٪ در مقایسه با روشهای قبلی کاهش میدهد.
این نتایج با هم نشان میدهد که AutoReSpec یک رویکرد مقیاس پذیر،. کارآمد و قابل اعتماد برای تولید مشخصات رسمیمبتنی بر LLM ارائه میدهد.
صفحه مهندسی نرم افزار (cs. SE); هوش مصنوعی (cs.
AI) کلاسهای ACM: د. 2.
1 استناد بهعنوان: (یا v1 [cs. SE] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Ragib Shahariar Ayon [مشاهده ایمیل] [v1] شنبه،.
4 آوریل 2026،. 15:.
17:. 08 UTC (1,.
758 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.