利用基于 LLM 的代理系统生成用于测试优化的量子应用程序

人们越来越多地探索量子计算用于软件工程（SE）优化，但将自然语言（NL）任务级需求转化为可执行的量子应用程序仍然需要大量的量子和编程专业知识。我们推出了 QPipe，这是一种基于 大语言模型 (LLM) 的多代理架构，它通过专门的代理自动将 NL 需求转化为可追踪的量子应用工作流程，以进行需求解析、制定、代码生成、审查、执行和验证。我们根据 20 个 NL 要求评估 QPipe，每个要求都与现实世界的基准测试和测试优化问题相关。 QPipe 成功完成了跨需求量子应用生成的关键阶段，实现了代码编译的平​​均率 100%、应用程序执行和最终结果组合的平均率 96.7%，平均生成成本为 260.1 秒，每个需求生成 189 万个词元。在成功执行的生成的量子应用程序中，返回的解决方案在大多数情况下优于离线遗传算法基线。消融结果进一步表明，QPipe 的优势取决于保留代码生成技能、任务知识、审查反馈和多代理分解。这些结果表明，代理协调可以支持生成可执行的量子应用程序，以解决现实世界基准测试的测试优化问题。