量子软件维护自动化：脆弱性检测与根本原因分析
原文中文，约300字，阅读约需1分钟。发表于：。本研究针对量子软件工程中脆弱性测试的挑战，提出了一种自动化框架来检测脆弱性测试，以克服人工方法的局限性。通过使用转换器和余弦相似度，扩大数据集并实验大语言模型，结果显示我们识别了25个新增脆弱性测试，数据集增长54%。尽管顶尖语言模型在脆弱性检测上的F1得分为0.8871，但根本原因识别得分较低，指出了在大型量子代码库中改进检测和分类的必要性。
本研究提出了一种自动化框架，旨在解决量子软件工程中的脆弱性测试问题。通过扩展数据集和实验大语言模型，识别出25个新脆弱性，数据集增长了54%。尽管顶尖模型的F1得分为0.8871，但根本原因识别得分较低，表明检测和分类的改进仍然必要。
