超越规则：LLM 支持的量子程序 Linting

随着量子计算从理论实验转向实际应用，量子软件的可靠性已成为关键瓶颈。用于量子程序的传统静态分析技术（主要是基于规则的 linter）越来越不够用；他们很难跟上快速发展的 API 的步伐，并且无法捕获复杂的、依赖于上下文的量子编程问题。这会导致高昂的维护开销和有限的检测能力。在本文中，我们介绍了 LintQ-LLM+CoT 和 LintQ-LLM+RAG，这两种新方法分别通过思想链 (CoT) 提示和基于检索增强生成 (RAG) 系统，采用专门的 大语言模型 (LLM) 重新定义了量子编程问题的检测。模型在经过验证的量子编程问题和最佳实践的精选知识库中进行推理。我们使用 55 个 Qiskit 程序的语料库，针对最先进的基于规则的工具 LintQ 进行了严格的手动比较评估。我们的结果表明，基于 LLM 的方法，无论有没有 RAG，在量子编程问题检测正确性（精度）和完整性（召回率）方面都优于 LintQ。总体而言，基于 LLM 的方法比 LintQ 更有效（F1 分数等于 0.70 和 0.68 vs. 0.41）。此外，RAG 增强型变体表现出稍微优越的精度，有效减少了误报。我们的研究结果表明，LLM 为量子软件工程中的下一代 linter 提供了可扩展和自适应的基础。