本技術(shù)屬于軟件工程和深度學(xué)習(xí)安全，尤其涉及一種基于補(bǔ)丁及大語言模型的深度學(xué)習(xí)庫數(shù)值不穩(wěn)定問題檢測(cè)及修復(fù)方法。

背景技術(shù)：

1、深度學(xué)習(xí)技術(shù)已經(jīng)成為當(dāng)今數(shù)據(jù)分析和人工智能領(lǐng)域的核心方法之一，廣泛應(yīng)用于圖像識(shí)別、自然語言處理、自動(dòng)駕駛等多個(gè)領(lǐng)域。然而，在使用深度學(xué)習(xí)庫進(jìn)行模型訓(xùn)練和部署的過程中，數(shù)值不穩(wěn)定問題成為影響模型性能和可靠性的關(guān)鍵因素。數(shù)值不穩(wěn)定問題可能導(dǎo)致模型訓(xùn)練過程中出現(xiàn)無法收斂、訓(xùn)練時(shí)間顯著增加、模型輸出結(jié)果異常等問題，嚴(yán)重時(shí)甚至?xí)?dǎo)致模型完全失效。這不僅影響模型的準(zhǔn)確性和魯棒性，還可能在實(shí)際應(yīng)用中引發(fā)安全隱患。例如，在自動(dòng)駕駛系統(tǒng)中，數(shù)值不穩(wěn)定問題可能導(dǎo)致車輛識(shí)別錯(cuò)誤，從而引發(fā)交通事故；而在醫(yī)療診斷系統(tǒng)中，數(shù)值不穩(wěn)定問題可能導(dǎo)致錯(cuò)誤的診斷結(jié)果，直接危及患者生命安全。

2、目前，針對(duì)深度學(xué)習(xí)庫數(shù)值不穩(wěn)定問題的研究主要集中在數(shù)值計(jì)算精度的提升和模型結(jié)構(gòu)的優(yōu)化等方面。雖然這些方法在一定程度上能夠緩解數(shù)值不穩(wěn)定問題，但由于深度學(xué)習(xí)庫代碼龐大，數(shù)值不穩(wěn)定問題復(fù)雜多樣，現(xiàn)有方法難以全面、準(zhǔn)確地檢測(cè)和修復(fù)所有數(shù)值不穩(wěn)定問題。此外，手動(dòng)分析和修復(fù)數(shù)值不穩(wěn)定問題需要大量的專業(yè)知識(shí)和時(shí)間，難以滿足實(shí)際應(yīng)用中的高效性要求。因此，尋找一種高效、自動(dòng)化的方法來檢測(cè)和修復(fù)數(shù)值不穩(wěn)定問題顯得尤為重要。

3、隨著自然語言處理技術(shù)的快速發(fā)展，大語言模型在代碼分析和自動(dòng)修復(fù)領(lǐng)域展現(xiàn)出巨大的潛力。大語言模型是一種大規(guī)模語言模型，通過學(xué)習(xí)海量的代碼庫和文檔資料，能夠理解編程語言的結(jié)構(gòu)、語法及其語義關(guān)聯(lián)，進(jìn)而能夠分析和預(yù)測(cè)代碼中的潛在問題。因此，利用大語言模型來自動(dòng)化地檢測(cè)和修復(fù)深度學(xué)習(xí)庫中的數(shù)值不穩(wěn)定問題存在極大的探索價(jià)值。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)目的是提供一種基于補(bǔ)丁及大語言模型的深度學(xué)習(xí)庫數(shù)值不穩(wěn)定問題檢測(cè)及修復(fù)方法，能夠自動(dòng)、高效地檢測(cè)并修復(fù)深度學(xué)習(xí)庫中的數(shù)值不穩(wěn)定問題的目的。

2、實(shí)現(xiàn)本發(fā)明的技術(shù)方案如下：

3、一種基于補(bǔ)丁及大語言模型的深度學(xué)習(xí)庫數(shù)值不穩(wěn)定問題檢測(cè)及修復(fù)方法，包括：

4、s1：收集深度學(xué)習(xí)庫的補(bǔ)丁，提取補(bǔ)丁的補(bǔ)丁描述及補(bǔ)丁中的程序語句，并以補(bǔ)丁中程序語句為切片標(biāo)準(zhǔn)進(jìn)行程序切片，獲取補(bǔ)丁相關(guān)程序切片；

5、s2：根據(jù)所述補(bǔ)丁及其相關(guān)程序切片，利用大語言模型對(duì)該補(bǔ)丁與數(shù)值不穩(wěn)定問題的相關(guān)性進(jìn)行判斷，獲取與數(shù)值不穩(wěn)定問題相關(guān)的補(bǔ)??；

6、s3：設(shè)計(jì)適用于應(yīng)用大語言模型進(jìn)行深度學(xué)習(xí)庫數(shù)值不穩(wěn)定問題檢測(cè)的題詞模板，并對(duì)設(shè)計(jì)出的題詞模板性能進(jìn)行測(cè)試，選出最佳題詞模板；

7、s4：利用所述最佳題詞模板，通過大語言模型對(duì)深度學(xué)習(xí)庫進(jìn)行數(shù)值不穩(wěn)定問題檢測(cè)，識(shí)別深度學(xué)習(xí)庫中的數(shù)值不穩(wěn)定問題，并記錄檢測(cè)結(jié)果；

8、s5：查詢與檢測(cè)出的數(shù)值不穩(wěn)定問題相似的歷史補(bǔ)丁，利用大語言模型對(duì)查詢到相似的歷史補(bǔ)丁進(jìn)行分析，確定其與當(dāng)前數(shù)值不穩(wěn)定問題的相似性；

9、s6：根據(jù)檢測(cè)結(jié)果和相似補(bǔ)丁的分析結(jié)果，利用大語言模型生成針對(duì)檢測(cè)出的數(shù)值不穩(wěn)定問題的修復(fù)補(bǔ)丁，并提供修復(fù)方案。

10、進(jìn)一步地，本發(fā)明步驟s1中以所述補(bǔ)丁中的程序語句為切片標(biāo)準(zhǔn)進(jìn)行程序切片，獲取補(bǔ)丁相關(guān)程序切片，具體過程為：

11、s131：對(duì)所述補(bǔ)丁中的程序語句進(jìn)行解析，分別獲取補(bǔ)丁刪除和添加的程序語句及其相應(yīng)程序版本，分別作為漏洞相關(guān)程序和修復(fù)相關(guān)程序的切片標(biāo)準(zhǔn)；

12、s132：對(duì)所獲取的添加和刪除的程序語句，使用相應(yīng)程序版本進(jìn)行依賴關(guān)系分析，生成依賴關(guān)系圖，描述各程序語句之間的依賴關(guān)系；

13、s133：根據(jù)所述依賴關(guān)系圖，分析切片標(biāo)準(zhǔn)對(duì)后續(xù)執(zhí)行路徑的影響獲取前向程序切片；

14、s134：根據(jù)所述依賴關(guān)系圖，追蹤切片標(biāo)準(zhǔn)受到的先前執(zhí)行路徑的影響獲取后向程序切片；

15、s135：將所述前向程序切片與所述后向程序切片進(jìn)行整合，形成補(bǔ)丁相關(guān)程序切片。

16、進(jìn)一步地，本發(fā)明步驟s2的具體過程為：

17、s21：設(shè)計(jì)用于大語言模型判斷補(bǔ)丁與數(shù)值不穩(wěn)定問題相關(guān)性的提詞模板；

18、s22：將所述補(bǔ)丁的補(bǔ)丁描述、補(bǔ)丁相關(guān)程序切片整合到所述提詞模板中，應(yīng)用大語言模型對(duì)補(bǔ)丁與數(shù)值不穩(wěn)定問題的相關(guān)性進(jìn)行判斷；

19、s23：對(duì)大語言模型的判斷結(jié)果進(jìn)行解析，獲取與數(shù)值不穩(wěn)定問題相關(guān)的補(bǔ)丁。

20、進(jìn)一步地，本發(fā)明步驟s21的具體過程為：根據(jù)提詞技術(shù)，整合數(shù)值不穩(wěn)定問題相關(guān)的任務(wù)信息，獲得判斷補(bǔ)丁與數(shù)值不穩(wěn)定問題相關(guān)性的提詞模板，所述數(shù)值不穩(wěn)定問題相關(guān)的任務(wù)信息包括對(duì)于數(shù)值不穩(wěn)定性問題的定義及常見的問題表現(xiàn)形式。

21、進(jìn)一步地，本發(fā)明步驟s3的具體過程為：

22、s31：根據(jù)提詞方式設(shè)計(jì)用于數(shù)值不穩(wěn)定問題檢測(cè)的提詞模板；

23、s32：將步驟s2中收集到的與數(shù)值不穩(wěn)定問題相關(guān)的補(bǔ)丁分為模板填充數(shù)據(jù)集和測(cè)試數(shù)據(jù)集，使用模板填充數(shù)據(jù)集填充提詞模板，并使用測(cè)試數(shù)據(jù)集對(duì)提詞模板的性能進(jìn)行測(cè)試；

24、s33：根據(jù)上述測(cè)試結(jié)果，選出測(cè)試結(jié)果最優(yōu)的提詞模板及相應(yīng)模板填充補(bǔ)丁，作為最佳提詞模板，并將其存儲(chǔ)用于后續(xù)檢測(cè)。

25、進(jìn)一步地，本發(fā)明步驟s31中設(shè)計(jì)包括零樣本提詞、單樣本提詞、少樣本提詞和思維鏈提詞的多種提詞模板。

26、進(jìn)一步地，本發(fā)明步驟s4的具體過程為：

27、s41：從深度學(xué)習(xí)庫中粗略篩選出與數(shù)值計(jì)算相關(guān)的函數(shù)；

28、s42：將篩選出的數(shù)值計(jì)算相關(guān)函數(shù)填充到設(shè)計(jì)的提詞模板中，利用大語言模型對(duì)所述函數(shù)進(jìn)行分析和檢測(cè)，識(shí)別出潛在的數(shù)值不穩(wěn)定問題；

29、s43：解析大語言模型的檢測(cè)結(jié)果，記錄檢測(cè)結(jié)果，包括檢測(cè)到的數(shù)值不穩(wěn)定問題的具體位置、問題描述、可能的影響范圍以及相關(guān)的上下文信息。

30、進(jìn)一步地，本發(fā)明所述s41為：基于設(shè)定規(guī)則，從深度學(xué)習(xí)庫中粗略篩選出與數(shù)值計(jì)算相關(guān)的函數(shù)；所述設(shè)定規(guī)則為：函數(shù)名模式匹配、函數(shù)調(diào)用頻率、代碼注釋中的關(guān)鍵字以及程序語句模式。

31、進(jìn)一步地，本發(fā)明步驟s51的具體過程為：

32、s51：結(jié)合歷史補(bǔ)丁描述、歷史補(bǔ)丁程序語句以及檢測(cè)出的數(shù)值不穩(wěn)定問題相關(guān)代碼片段及上下文信息，設(shè)計(jì)用于補(bǔ)丁相似性分析的提詞模板；

33、s52：利用文本相似度算法和版本控制系統(tǒng)，對(duì)歷史補(bǔ)丁進(jìn)行檢索，并計(jì)算補(bǔ)丁之間的相似度，篩選出與檢測(cè)出的數(shù)值不穩(wěn)定問題最相似的補(bǔ)??；

34、s53：將查詢到的相似補(bǔ)丁及檢測(cè)出的數(shù)值不穩(wěn)定問題相關(guān)函數(shù)填充到提詞模板中，應(yīng)用大語言模型對(duì)查詢到的相似補(bǔ)丁與檢測(cè)出的數(shù)值不穩(wěn)定問題的相似性進(jìn)行判斷，確定其與當(dāng)前數(shù)值不穩(wěn)定問題的相似性。

35、進(jìn)一步地，本發(fā)明步驟s6的具體過程為：

36、s61：提取檢測(cè)結(jié)果中的數(shù)值不穩(wěn)定問題相關(guān)信息，包括問題的具體位置、問題描述、影響范圍以及相關(guān)的上下文信息；

37、s62：根據(jù)提取的信息，設(shè)計(jì)適用于生成修復(fù)補(bǔ)丁的題詞模板，將相關(guān)信息填充到該模板中；

38、s63：利用大語言模型分析填充后的題詞模板，生成修復(fù)補(bǔ)丁，并提供修復(fù)方案，包括修復(fù)補(bǔ)丁的代碼、修改說明。

39、有益效果：

40、第一，本發(fā)明利用大語言模型對(duì)深度學(xué)習(xí)庫中的補(bǔ)丁進(jìn)行篩選和分析，能夠準(zhǔn)確識(shí)別與數(shù)值不穩(wěn)定問題直接相關(guān)的補(bǔ)丁，進(jìn)而精確確定數(shù)值不穩(wěn)定問題的補(bǔ)丁標(biāo)準(zhǔn)。

41、第二，本發(fā)明通過設(shè)計(jì)適用于深度學(xué)習(xí)庫數(shù)值不穩(wěn)定問題檢測(cè)的題詞模板，并使用補(bǔ)丁增強(qiáng)題詞模板中數(shù)值不穩(wěn)定問題的信息，提高大語言模型對(duì)數(shù)值不穩(wěn)定問題的檢測(cè)能力，實(shí)現(xiàn)了高精確度和廣覆蓋面的數(shù)值不穩(wěn)定問題檢測(cè)。

42、第三，本發(fā)明通過對(duì)檢測(cè)出的數(shù)值不穩(wěn)定問題進(jìn)行相似補(bǔ)丁的查詢和分析，輔助大語言模型生成針對(duì)數(shù)值不穩(wěn)定問題的修復(fù)補(bǔ)丁，提供了高效、準(zhǔn)確的修復(fù)方案，從而達(dá)到自動(dòng)、高效地檢測(cè)并修復(fù)深度學(xué)習(xí)庫中的數(shù)值不穩(wěn)定問題的效果。