大模型解决了软件工程中的哪些问题

以下分析基于已发表的学术文献及公开的工程评测结果，不包含未经验证的推测。

大模型在软件工程中解决了三类可验证的自动化难题：

1. 代码生成与补全：传统IDE补全限于词法或语法模板，无法理解自然语言意图。大模型通过自注意力机制捕获全局语义，能够从零生成符合规范的函数体（如OpenAI Codex在HumanEval上的通过率），减少样板代码的编写错误。

2. 缺陷预测与修复：基于规则的静态分析（如FindBugs）漏报率高。大模型利用预训练得到的代码逻辑模式，可在不运行程序的情况下定位潜在的空指针、数组越界等错误，并生成补丁（如AlphaRepair在Defects4J上的修复成功率超过传统模板方法）。

3. 文档与注释生成：代码与文档的“语义鸿沟”导致维护困难。大模型通过编码-解码结构，从源代码中提炼关键步骤，自动生成JavaDoc或API描述（如CodeBERT在CodeSearchNet上的BLEU得分验证了可行性）。

以上成果均来自严格的对比实验，不涉及对人工智能通用能力的推测。