في عالم البرمجة، غالباً ما تُعبر المتطلبات البرمجية بلغة طبيعية، لكن التحقق من صحة البرامج مقابل هذه المتطلبات يعتبر تحدياً صعباً ومهماً. نموذج HoarePrompt يأتي ليكون حلًا مبتكرًا، حيث يعتمد على الأفكار الأساسية من التحقق من صحة البرامج ليتكيف مع فنون اللغة الطبيعية.

ما هو HoarePrompt؟

HoarePrompt يستخدم طريقة منهجية خطوة بخطوة يسمح لنموذج لغوي كبير (LLM) بإنتاج أوصاف لغوية طبيعية لحالات البرامج القابلة للوصول في نقاط شيفرة مختلفة. للتعامل مع الحلقات، تمت إضافة تقنية جديدة تُعرف بـ k-induction المدفوعة بقليل من التجارب، وهي تعديل لطريقة k-induction المعروفة بالتحقق من النموذج.

أحد أبرز ميزات HoarePrompt هو استخدامه لفحص إذا كان البرنامج، المرفق بهذه الأوصاف، يتوافق مع المتطلبات اللغوية الطبيعية. ولتقييم جودة مصنفات صحة البرامج، تم إنشاء مجموعة بيانات CoCoClaNeL، التي تحتوي على حلول لمشكلات منافسات البرمجة.

الأرقام تتحدث!

أظهرت التجارب أن HoarePrompt يحقق زيادة بنسبة 61% في مؤشر MCC مقارنة باستخدام Zero-shot-CoT مباشرة لتصنيف الصحة. ليس هذا فحسب، بل تفوق أيضاً على مصنف يعتمد على توليد اختبارات من خلال LLM بزيادة 106% في مؤشر MCC. آلية الاستدلال الاستقرائي ساهمت بنسبة 26% في تحسين مؤشر MCC، مما يبرز فعاليتها في التعامل مع الحلقات.

إذا كنت مطوراً أو مهتماً بمجال الذكاء الاصطناعي، فإن HoarePrompt هو الابتكار الذي لا يمكنك تجاهله.

ما رأيكم في هذه التقنية الثورية؟ شاركونا في التعليقات.