Retrieval-Augmented Generation (RAG): Strategies and possible Applications in Software Engineering

Die wachsenden Fähigkeiten von Large Language Models (LLMs) machen sie in einer Vielzahl von Anwendungsbereichen nützlich. Retrieval-Augmented Generation (RAG)-Systeme können diese Modelle an spezifische Kontexte anpassen, wie beispielsweise die Arbeit mit bestehenden Code-Repositories, um Software-Engineering-Aufgaben zu erfüllen. Externe Datenquellen und Dokumente, darunter Wissensgraphen, können genutzt werden, um LLMs Zugang zu Wissen zu geben, welches nicht Teil ihrer Trainingsdaten ist. Diese Seminararbeit untersucht verschiedene Anwendungen von RAG im Software-Engineering, wie Rückverfolgbarkeit von Anforderungen, Code- und Dokumentationsgenerierung, Test-Erstellung, und Schwachstellenerkennung. ... mehrDarüber hinaus werden die Herausforderungen analysiert, denen aktuelle RAG-Techniken ausgesetzt sind.

The growing capabilities of Large Language Models (LLMs) have made them valuable across diverse domains. Retrieval-Augmented Generation (RAG ) systems can adapt these models to specific contexts, such as working with existing code repositories to perform software engineering tasks. External data sources and documents, including knowledge graphs, can be used to augment LLMs by giving them access to knowledge not present in their training data. This seminar thesis explores various applications of RAG in software engineering, such as requirements traceability, code and documentation generation, test creation, and vulnerability detection. ... mehrIt also examines the challenges that current RAG techniques face.