Are Large Language Models Ready for Quantum Software Engineering? A Multivocal Literature Review
这项多声部文献综述综合了来自24个来源的证据，得出结论：虽然大语言模型在代码中心型的量子软件工程特定任务（如合成与修复）方面展现出潜力，但由于在语义准确性、后端执行和领域覆盖范围方面的显著局限性，它们目前主要作为受限的辅助工具，而非稳健的、贯穿全生命周期的智能体。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
以下是该论文的中文翻译，保留了原有的语气、结构和所有类比。
大局观：高风险实验室里的新学徒
想象一下，量子计算是一个全新的、极其复杂的实验室。这里的科学家们正试图制造出基于我们尚且难以理解的物理定律（例如原子可以同时处于两个位置）运行的机器。为这些机器编写软件被称为量子软件工程 (QSE)。这非常困难，因为工具是全新的，指令是令人困惑的，而且如果你犯了一个微小的错误，整个实验就会失败。
现在，大语言模型 (LLMs) 登场了。把它们想象成超级聪明、口若悬河的学徒，几乎读遍了图书馆里的每一本书。在常规软件开发（如构建网站或应用程序）中，这些学徒已经非常受欢迎了。它们可以编写代码、修复漏洞并向人类解释事物。
核心问题： 本文的作者提出了一个疑问：“这些超级聪明的学徒准备好在我们这个高风险的量子实验室里工作了吗？”
为了找出答案，他们不仅查看了学术教科书，还研究了“灰色文献”——包括技术博客、公司报告和论坛讨论——因为在快速发展的领域中，真实的经验往往发生在正式论文之外。他们审查了 24 个不同的来源（结合了学术研究和行业报告）以获得全面的图景。
研究发现：学徒擅长一件事，但在其他方面表现挣扎
研究人员将发现的结果映射到了构建量子软件的“生命周期”上。你可以把这个生命周期想象成盖房子：你需要设计蓝图、打地基、砌墙、安装水管，最后进行验收。
以下是学徒（LLM）在每个阶段的状态：
1. “砌砖”阶段（实现） 🧱
- 状态： 非常活跃。
- 类比： 这是学徒最有用的时候。他们擅长“砌砖”——即编写实际的代码或电路。如果你问他们：“给我写一个执行 X 功能的量子电路，”他们可以快速生成一份草稿。
- 陷阱： 仅仅能砌砖并不意味着墙一定是直的。论文发现，虽然他们能生成代码，但这些代码经常出现“幻觉”（凭空捏造）或者在真实的量子硬件上运行时根本无法运行。
2. “检查员”阶段（分析与修复） 🔍
- 状态： 刚刚起步。
- 类比： 在这个阶段，学徒试图寻找墙上的裂缝或修理破裂的水管。他们被用于重构（重新组织）旧代码或解释一个复杂的电路。
- 陷阱： 他们的解释可能很肤浅，而他们的修复可能会引入新的错误。他们很有帮助，但你不能让他们独自承担检查工作。
3. “蓝图”与“安全检查”阶段（需求、架构、测试） 🏗️🛡️
- 状态： 几乎空白。
- 类比： 在这些阶段，学徒几乎没有露面。很少有研究探讨如何利用他们来设计系统的整体架构、确定客户的实际需求（需求），或进行严格的安全测试。
- 现实情况： 该领域过于专注于“编写代码”，以至于忽略了如何构建可靠、安全的量子系统的宏观图景。
他们正在使用的工具：“品牌名称”问题
论文注意到，人们过度依赖专有模型（如 OpenAI 的 GPT-4）。
- 类比： 这就像镇上所有的建筑队都在使用完全相同的品牌电钻，因为那是名气最大的那一个。
- 问题： 由于这些工具由私有公司拥有，其他科学家无法始终了解其工作原理，也无法在以后进行完全相同的实验。这使得验证结果是真实的还是仅仅是偶然现象变得非常困难。虽然也有人在尝试使用一些开源模型（如 LLaMA），但它们的使用频率要低得多。
主要警告：为什么我们还不能信任它们
作者识别出了几个“红旗”（警示信号），表明这些工具尚未准备好在量子实验室中独立工作：
- “假事实”问题（正确性）： 学徒经常听起来信心满满，但实际上是错误的。他们可能会写出看起来完美无瑕的代码，但一旦你在真实的量子计算机上运行就会立即失败。
- “敏感耳朵”问题（提示词依赖）： 学徒对你提问的方式非常敏感。如果你稍微改变一下提问方式，输出结果就会完全不同。这使得获得一致的结果变得非常困难。
- “小图书馆”问题（数据覆盖范围）： 学徒主要是在经典软件上接受的训练。他们读过的“量子书籍”还不够多。当他们遇到复杂、独特的量子问题时，缺乏足够的数据来给出好的答案。
- “玩具测试”问题（评估）： 许多研究仅在简单的“玩具问题”上测试学徒。我们不知道他们是否能处理现实世界中混乱、复杂的量子工程问题。
最终结论
大语言模型准备好进行量子软件工程了吗？
还没有。
论文得出结论：目前的 LLM 是辅助工具，而非自主工程师。
- 把它想象成拼写检查器： 它们擅长捕捉错别字或建议更好的词汇，但你不会在没有阅读全文的情况下就让它们写完一整部小说。
- 用量子术语来说： 你可以使用它们来生成一个量子电路的草稿，但人类专家必须在它接触真实的量子机器之前对其进行验证、测试和修复。
作者建议，为了让这些工具真正变得可靠，研究人员需要减少对仅仅“生成代码”的关注，转而致力于构建验证系统（安全检查）以及创建大家都可以信任和测试的开放、可复现的模型。在此之前，量子学徒只是一个得力的实习生，而非大师级的建筑师。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。