利用大型語言模型進行遺留代碼現代化：大型語言模型生成文檔的挑戰與機遇
大型語言模型 (LLM) 在生成遺留代碼文檔方面具有潛力，尤其是在可讀性和事實準確性方面，但現有的自動化指標在預測和衡量文檔質量方面存在局限性，需要更完善的評估方法。
使用 RVfpga 套件的教學經驗分享
RVfpga 套件提供一個基於 RISC-V 指令集和 FPGA 技術的實用電腦架構學習平台，適用於計算機科學、計算機工程和相關領域的教育工作者和學生，並已成功應用於各種教學活動中，包括學士/碩士學位課程、線上課程和研討會。
開源軟體生態系統中創新的動態
雖然開源軟體生態系統中新函式庫的出現速度會隨著時間推移而減緩，但開發者對函式庫的新穎組合的使用正在穩步增長，這表明組合式創新是開源軟體生態系統發展的關鍵驅動力。
自動推論關係物件不變量
本文提出了一種名為 MRUD 的新技術，用於在抽象解譯框架下自動推論物件不變量，以提高程式分析的精確度和可擴展性。
邁向大型語言模型的中介軟體
大型語言模型 (LLM) 正迅速融入企業應用程式生態系統，為有效利用 LLM 的潛力，需要一個專門的中介軟體來應對部署和整合方面的挑戰，特別是在 LLM 作為服務或閘道器運作的進階使用案例中。
大型語言模型程式設計工作流程：規劃驅動程式設計
本文提出了一種名為 LPW 的大型語言模型程式設計工作流程，該流程通過在程式碼實作之前生成並驗證解決方案計畫，來提高程式碼生成的準確性，並通過將執行結果與計畫驗證進行比較來改進除錯過程。
基於大型語言模型的持續學習：提升軟體缺陷重現能力
持續學習框架 EvoCoder 能夠有效提升大型語言模型在軟體缺陷重現方面的能力，進而提升軟體缺陷修復的效率。
過去十年 TLA+ 於工業界實務應用之系統性文獻回顧
TLA+ 在過去十年中於工業界的應用呈現上升趨勢，特別是在雲端運算領域，主要用於早期系統設計和除錯階段，有助於發現錯誤、改善設計並增進對系統的理解，但其學習曲線陡峭且模型抽象層級的選擇仍具挑戰性。
Soda：一種用於規範以人為本問題的面向對象函數式程式語言
Soda 是一種新的描述性程式語言，旨在以對人類友好的方式對 AI 系統的要求進行建模，並利用類型、不變性和函數式程式設計原則來增強清晰度和可驗證性。
引導式物件導向開發與穩健性
本文介紹一種名為「引導式物件導向開發」（GOOD）的方法，旨在透過結構化的流程、明確的規範和穩健性考量，提升程式碼品質並降低錯誤。
© 2024 by Linnk AI