जेफिरनेट लोगो

कार्यात्मक सत्यापन में बड़े भाषा मॉडल अनुप्रयोगों के प्रतिमान

दिनांक:

यह पेपर कार्यात्मक सत्यापन के कई पहलुओं में बड़े भाषा मॉडल (एलएलएम) को लागू करने के लिए एक व्यापक साहित्य समीक्षा प्रस्तुत करता है। इस नई तकनीक द्वारा प्रदान की गई आशाजनक प्रगति के बावजूद, एलएलएम की अंतर्निहित सीमाओं के बारे में जागरूक होना आवश्यक है, विशेष रूप से मतिभ्रम जो गलत भविष्यवाणियों का कारण बन सकता है। एलएलएम आउटपुट की गुणवत्ता सुनिश्चित करने के लिए, चार सुरक्षा प्रतिमानों की सिफारिश की जाती है। अंत में, पेपर एलएलएम विकास की देखी गई प्रवृत्ति का सारांश प्रस्तुत करता है और सत्यापन में उनके व्यापक अनुप्रयोगों के बारे में आशावाद व्यक्त करता है।

कार्यात्मक सत्यापन के लिए एलएलएम के प्रतिमान
भाषा मॉडल यकीनन कार्यात्मक सत्यापन के लिए उपयोग किए जाने वाले सबसे आवश्यक प्रकार के मशीन लर्निंग (एमएल) मॉडल हैं। इस प्रक्रिया में विशिष्टताओं, स्रोत कोड, परीक्षण योजना, टेस्टबेंच, लॉग और रिपोर्ट सहित पाठ्य डेटा के कई रूपों को संभालना शामिल है। अधिकांश पाठ्य सामग्री में प्राकृतिक भाषाएँ, नियंत्रित प्राकृतिक भाषाएँ या प्रोग्रामिंग भाषाएँ शामिल हैं। इसलिए, कार्यात्मक सत्यापन में एआई/एमएल के अनुप्रयोग के लिए भाषा मॉडल का प्रभावी उपयोग महत्वपूर्ण है।

इस नई तकनीक द्वारा प्रस्तावित इन आशाजनक प्रगति के बावजूद, बड़े भाषा मॉडल (एलएलएम) की अंतर्निहित सीमाओं से अवगत होना आवश्यक है जो गलत भविष्यवाणियों का कारण बनते हैं। विशेष रूप से, हम सत्यापन में सीधे एलएलएम के कच्चे आउटपुट का उपयोग करने के प्रति सावधान करते हैं।

सीमाओं का मुकाबला करने और अपने वादे को पूरा करने के लिए, लेखक एलएलएम आउटपुट की गुणवत्ता सुनिश्चित करने के लिए चार सुरक्षा प्रतिमान सुझाते हैं:

  • गुणवत्तापूर्ण गेट/रेलिंग
  • सेल्फ-चेक फीडबैक लूप
  • बाहरी एजेंट
  • विचार शृंखला

अधिक पढ़ने के लिए, क्लिक करें यहाँ उत्पन्न करें.

स्पॉट_आईएमजी

नवीनतम खुफिया

स्पॉट_आईएमजी