Best Short Paper Award ECBS 2023

Das Paper beschäftigt sich mit den Einsatzmöglichkeiten von Large Language Models (LLMs) im Rahmen der Codegenerierung, insbesondere bei der Migration von Programmen von einer Sprache in eine andere. Dazu wurde aufbauend auf einem früheren Paper ein Ansatz entwickelt, der ein bestehendes Code-Framework zur Verfügung stellt, in dem Code in einer bestimmten Form angereichert wird. Diese Anreicherung ist auch dann gewährleistet, wenn ein LLM, wie z.B. ChatGPT, erweiternden Code für die gleiche Domäne erzeugt. Die Anreicherung ist dann insbesondere für die Validierung des Outputs von Vorteil. Active Automata Learning kann die Anreicherung nutzen, um die semantische Struktur des generierten Programms abzuleiten. In dem prämierten Paper haben wir gezeigt, wie wir den Ansatz erweitern können, um Systemmigrationen zu validieren, indem wir die Differenzen der inferierten Automaten betrachten.

Wir freuen uns sehr über die Auszeichnung und das positive Feedback der Kolleginnen auf der Konferenz, die an der Mälardalen Universität in Västerås, Schweden, stattfand. Wir glauben, dass Ansätze wie diese einen wichtigen Beitrag zum sicheren Umgang mit von LLMs generiertem Code leisten können, indem sie Konzepte zur Validierung des Outputs behandeln.