CelloAI: Leveraging Large Language Models for HPC Software Development in High Energy Physics

CelloAI相关内容总结与翻译

一、文章主要内容总结

本文聚焦高能物理（HEP）领域高性能计算（HPC）软件开发的痛点，提出并研发了基于大型语言模型（LLMs）的本地部署编码助手CelloAI，旨在解决HEP领域软件迁移异质架构难、代码库文档稀缺等问题，具体内容如下：

（一）研究背景与挑战

下一代HEP实验将产生海量数据，需HPC与传统高通量计算结合，但HPC在HEP领域的应用受两大因素阻碍：一是 legacy软件向异质架构迁移难度大；二是复杂科学代码库文档稀疏。同时，现有商用LLM工具存在上下文窗口有限、使用受限、成本高、数据隐私安全隐患等问题，且通用编码助手在HEP的HPC软件开发中表现不足，如训练数据有限导致知识缺口、LLM输出的概率性与科学计算正确性要求冲突、难以理解HEP软件领域特定框架与复杂依赖关系。

（二）CelloAI的核心功能与技术架构

1. 核心功能
   • 代码文档生成：借助检索增强生成（RAG）从论文、海报、报告等来源获取相关信息，生成Doxygen风格的函数和类注释，生成文件级摘要，并提供交互式聊天机器人解答代码理解问题。
   • 代码生成：采用语法感知的分块策略，在嵌入过程中保留语法边界，提升大型代码库的检索准确性；整合调用图知识，在代码修改时保持依赖感知，为性能优化和准确重构提供AI生成建议。
<