Zephyrnet Logo

Paradigmas de aplicações de modelos de linguagem de grande porte na verificação funcional

Data:

Este artigo apresenta uma revisão abrangente da literatura para a aplicação de grandes modelos de linguagem (LLM) em múltiplos aspectos da verificação funcional. Apesar dos avanços promissores oferecidos por esta nova tecnologia, é essencial estar ciente das limitações inerentes aos LLMs, especialmente alucinações que podem levar a previsões incorretas. Para garantir a qualidade dos resultados do LLM, são recomendados quatro paradigmas de salvaguarda. Finalmente, o artigo resume a tendência observada no desenvolvimento do LLM e expressa otimismo sobre suas aplicações mais amplas na verificação.

Paradigmas de LLM para verificação funcional
Os modelos de linguagem são indiscutivelmente os tipos mais essenciais de modelos de aprendizado de máquina (ML) usados ​​para verificação funcional. Este processo envolve o tratamento de inúmeras formas de dados textuais, incluindo especificações, código-fonte, planos de teste, testbenches, logs e relatórios. A maior parte do conteúdo textual compreende linguagens naturais, linguagens naturais controladas ou linguagens de programação. Portanto, o uso eficaz de modelos de linguagem é fundamental para a aplicação de IA/ML na verificação funcional.

Apesar dos avanços promissores oferecidos por esta nova tecnologia, é essencial estar ciente das limitações inerentes aos Grandes Modelos de Linguagem (LLM) que levam a previsões incorretas. Em particular, alertamos contra a utilização de resultados brutos de LLMs diretamente na verificação.

Para contrariar as limitações e cumprir a sua promessa, os autores recomendam quatro paradigmas de salvaguarda para garantir a qualidade dos resultados do LLM:

  • Portão/guarda-corpo de qualidade
  • Ciclo de feedback de autoverificação
  • Agente externo
  • Cadeia de pensamento

Para ler mais, clique em SUA PARTICIPAÇÃO FAZ A DIFERENÇA.

local_img

Inteligência mais recente

local_img