تقييم استراتيجيات توليد التعليقات التوضيحية ACSL باستخدام نماذج لغوية ضخمة

في عالم البرمجيات، تلعب المواصفات الرسمية (Formal Specifications) دورًا حيويًا في بناء أنظمة موثوقة وقابلة للتحقق. لكن، تبقى مهمة توليد مواصفات دقيقة وقابلة للتحقق لبرامج C الواقعية عملية معقدة وصعبة. في هذا السياق، تفاخر دراسة جديدة بتقييم تجريبي لاستراتيجيات توليد التعليقات التوضيحية بتنسيق ACSL (ANSI/ISO C Specification Language) للبرامج المكتوبة بلغة C.

تتضمن الدراسة مقارنة بين عدة طرق، تشمل سكربت بايثون قائم على القواعد، بالإضافة إلى مكون RTE من أداة Frama-C، و3 نماذج لغوية ضخمة (LLMs) وهي: DeepSeek-V3.2، GPT-5.2، وOLMo 3.1 32B Instruct. تركّز هذه المقارنة على توليد التعليقات التوضيحية في مرحلة واحدة وتقيّيم أدائها في المهام المتعلقة بالتحقق.

باستخدام مجموعة فرعية مصفاة من معيار CASP، استخدم الباحثون مكون WP من Frama-C مع عدة محلات SMT لتحليل معدلات نجاح الإثبات، والتوقفات الزمنية للحل، ووقت المعالجة الداخلية. أظهرت النتائج أن الأساليب القائمة على القواعد تحافظ على موثوقية أعلى فيما يتعلق بنجاح التحقق، بينما جاء أداء الطرق المعتمدة على LLMs أكثر تفاوتًا.

تسلط هذه النتائج الضوء على كل من القيود الحالية والإمكانات المحتملة للنماذج اللغوية الضخمة كأدوات مكملة في عملية توليد المواصفات الآلية. هذا التطور يشير إلى أن دمج تقنيات الذكاء الاصطناعي في مجالات البرمجيات يمكن أن يفتح آفاقًا جديدة لتعزيز الكفاءة والاعتماد على البرمجة في المستقبل.

ما رأيكم في استخدام الذكاء الاصطناعي لتوليد مواصفات دقيقة؟ شاركونا أفكاركم!