探索大型語言模型 (LLM) 在驗證技術系統規格是否符合需求方面的應用
大型語言模型 (LLM) 在驗證技術系統規格是否符合需求方面展現出潛力，尤其是在使用少量樣本提示的情況下，其準確性可與傳統基於規則的系統相媲美。
在 Python 資料科學函式庫中偵測多參數約束不一致問題
本文提出了一種名為 MPDetector 的自動化工具，用於偵測 Python 資料科學函式庫中程式碼與文件之間關於多參數約束的不一致問題。
基於深度學習的代碼審查：模式轉變還是雙面刃？
雖然基於深度學習的代碼審查工具，如ChatGPT Plus，可以識別出大多數被審查者認為有效的程式碼問題，但它們並不能提高發現高嚴重性問題的可能性，也不能節省審查時間，而且可能會讓審查者產生偏見，只關注自動化審查工具所標記的程式碼部分。
生成式人工智慧在電腦教育中的早期應用：2023 年新興的學生使用案例和觀點
隨著生成式人工智慧（GenAI）工具的迅速普及，電腦科學教育需要了解學生如何使用這些工具，以及如何調整教學策略，以培養學生負責任地使用 GenAI 並為未來職場做好準備。
開發者對生成式 AI 程式碼編寫所引發的授權和版權問題的看法
軟體開發者對使用生成式 AI 工具進行程式碼編寫所帶來的授權和版權問題存在廣泛的看法，許多開發者意識到這些複雜法律問題的細微差別和複雜性。
開發人員在大型語言模型上面臨的挑戰：基於 Stack Overflow 和 OpenAI 開發者論壇貼文的分析
大型語言模型（LLM）的快速發展為開發人員帶來了獨特的挑戰，本研究分析了 Stack Overflow 和 OpenAI 開發者論壇上的貼文，揭示了開發人員在使用和實作 LLM 時遇到的常見困難和問題。
使用生成式 AI 進行可擴展遞迴程式碼生成的「蹺蹺板」生成機制
本文提出了一種名為「蹺蹺板」生成機制的創新方法，用於動態和遞迴程式碼生成，解決了大型語言模型在生成大型程式碼專案時面臨的挑戰，例如權杖限制、依賴管理和迭代優化需求。
邁向通用的物聯網系統軟體架構
本文旨在提出一個通用的物聯網軟體架構，強調以品質屬性驅動設計的重要性，並探討邊緣運算、微服務和事件驅動架構等關鍵風格，以實現可擴展、可靠且易於維護的物聯網系統。
較小型語言模型程式碼品質評估：量化技術的影響與程式碼品質問題分析
儘管較小型語言模型在程式碼生成方面展現潛力，但其產生的程式碼在功能正確性和品質方面仍存在顯著問題，尤其在經過量化處理後，更突顯出這些模型在實際軟體開發應用中的局限性。
基於協同過濾與大型語言模型的程式碼可讀性評估個人化方法
程式碼可讀性評估因開發者而異，本研究提出了一種利用協同過濾方法校準大型語言模型評估結果，實現個人化評估，從而提高程式碼可讀性評估的準確性。
© 2024 by Linnk AI