TL;DR
- چکیده:.
- پروندههای تصمیمگیری معماری (ADRs) نقش مهمیدر حفظ منطق پشت طراحی سیستم دارند،.
- با این حال ایجاد و نگهداری آنها اغلب به دلیل سربار نوشتن مرتبط نادیده گرفته میشوند.
چه اتفاقی افتاد
چکیده:. پروندههای تصمیمگیری معماری (ADRs) نقش مهمیدر حفظ منطق پشت طراحی سیستم دارند،.
با این حال ایجاد و نگهداری آنها اغلب به دلیل سربار نوشتن مرتبط نادیده گرفته میشوند. این مقاله بررسی میکند که آیا مدلهای زبان بزرگ (LLM) میتوانند این بار را کاهش دهند و مهمتر.
از آن،. چگونه استراتژیهای مختلف برای ارائه ADRهای تاریخی بهعنوان زمینه بر کیفیت تولید تأثیر میگذارند.
ما مجموعه بزرگی از ADRهای متوالی را که از 750 مخزن منبعباز استخراج شده اند،. تنظیم و تأیید میکنیم و بهطور سیستماتیک پنج استراتژی انتخاب زمینه (بدون زمینه،.
تمام تاریخ،. First-K،.
Last-K،. و RAFG) را در چندین خانواده مدل ارزیابی میکنیم.
نتایج ما نشان میدهد که انگیزههای آگاه از زمینه بهطور قابلتوجهی وفاداری تولید ADR را بهبود میبخشد،. با یک پنجره اخیر کوچک (معمولاً 3-5 رکورد قبلی) بهترین تعادل را بین کیفیت و بهره وری انتخاب.
زمینه مبتنی بر بازیابی،. عمدتاً در سناریوهای تصمیمگیری غیر متوالی یا مقطعی،.
سودهای حاشیهای را به همراه دارد،. در حالی که هیچ مزیت آماری قابل توجهی در جریانهای کاری ADR خطی معمولی ارائه نمیدهد.
بهطور کلی،. یافتههای ما نشان میدهد که مهندسی زمینه،.
به جای مقیاس مدل به تنهایی،. عامل غالب در اتوماسیون موثر ADR است،.
و ما پیشفرضهای عملی را برای سازندگان ابزار همراه با بازیابی هدفمند برای تنظیمات پیچیده معماری ترسیم میکنیم. صفحه، 5 نمودار، پذیرفته شده در مسیر تحقیقاتی کنفرانس EASE 2026 مهندسی نرم افزار (cs.
SE) استناد بهعنوان: (یا v1 [cs. SE] برای این نسخه) https:.
// شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Aviral Gupta [مشاهده ایمیل] [v1] شنبه،.
4 آوریل 2026،. 18:.
41:. 18 UTC (3,.
662 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.