More Programming Than Programming: Teaching Formal Methods in a Software Engineering Programme
软件正确性的形式化方法对软件工程的未来至关重要，因此必须成为软件工程教育的重要组成部分。不幸的是，正式的方法往往是抵制学生由于感知困难，不确定性和实际无关性。我们通过采用编程密集型方法重新开发了我们的软件正确性课程，使用求解器辅助语言Dafny通过自动评估提供即时形成反馈。我们重新开发的课程提高了学生的保留率，并获得了至少十年来该课程的最佳评价。
2022-05-02 cs.LO cs.SE
From Correctness to Collaboration: Toward a Human-Centered Framework for Evaluating AI Agent Behavior in Software Engineering
Google LLC（谷歌公司）
本文提出以人为中心的评估框架，旨在评估AI代理在软件工程中的协作行为，通过定义代理行为期望和引入情境适应框架，推动AI代理向协作智能发展。
2025-12-29 cs.AI cs.HC cs.SE
Can Large Language Models Help Students Prove Software Correctness? An Experimental Study with Dafny
本研究通过混合方法实验，探讨了硕士生在使用Dafny进行形式化验证时借助ChatGPT的表现，发现LLM能显著提升成绩但依赖提示质量，并提出整合LLM的课程设计建议。
2025-09-07 cs.PL cs.SE
In-Context Learning as an Effective Estimator of Functional Correctness of LLM-Generated Code
本文提出基于上下文学习的代码质量估计方法，通过少样本功能正确代码示例提升现有QPP和零样本方法在无测试用例场景下估计LLM生成代码功能正确性的性能。
2025-07-07 cs.IR cs.SE
Ensuring Robustness in ML-enabled Software Systems: A User Survey
Deakin University（迪肯大学）；RMIT University（皇家墨尔本理工大学）；Monash University（蒙纳士大学）
针对支持ML的软件系统面临的静默故障、OOD数据等鲁棒性挑战，提出整合多项保障机制的ML-On-Rails协议，结合从业者调研验证其价值并指出未来优化方向。
2025-10-21 cs.SE
Towards the Future: Bring Program Correctness back to the focus
在形式语义是一个热门话题的早期，程序正确性曾经是计算机软件的主要关注点。但是，“正确”一词后来被可靠、稳健和值得信赖等取代，一个折衷的情况。这并不是因为正确性不再重要，而是因为人们发现没有办法在这个方向上取得成功。这种权衡导致软件工程师专注于技术和测试工具。软件工程的快速发展现在已经达到了一个高峰，程序员现在可以自由地工作，而不用太担心bug，因为bug是无法避免的。今天讨论程序正确性有意义吗？我们的答案是肯定的。现在是再次认真考虑正确性的时候了，在为时已晚之前，为未来做好准备。下一代计算机系统在语法（静态）和语义（动态）上都应该是正确的。第一作者的《OESPA：面向语义的编程理论》（2019）一书为语义研究开辟了新的方向。从理论上讲，基于OESPA，可以从程序文本中计算出程序语义，从而证明程序的正确性。但是，当程序规模较大时，语义计算和正确性证明无法手工完成。自动工具是必要的。本文的工作为开发所需的自动化工具奠定了基础，从而丰富了OESPA，使之更好地服务于未来的需要。为此，提出了条件语义谓词的概念。对OESPA中的语义函数、语义谓词、语义公式和语义演算等概念进行了重新表示。这种重新介绍是必要的，因为这本书是唯一的出版物语义演算迄今为止。新版本的语义演算说明了如何进行语义自动计算。
2022-03-29 cs.PL cs.SE
Verification of Concurrent Engineering Software Using CSM Models
工程设计过程可能涉及可以同时执行的软件模块。并发模块很容易出现一些同步错误。本文讨论了此类工程软件的验证过程。我们提出了一种验证方法，需要几个步骤。首先，构造状态图模型，描述设计迭代和与设计者的交互。接着，将状态图模型转换为并发状态机（CSM）。在此基础上，对CSM模型进行了分析，以验证其正确性。在此阶段，必要时进行修改。在最后一个阶段，生成代码。支持我们方法的工具可以称为新的并发CASE工具。使用这些工具，可以创建工程软件，该工程软件被验证关于并发执行的正确性。
2017-04-20 cs.SE
Is manual software optimization a thing of the past?
University of Ljubljana（卢布尔雅那大学）
本研究探讨基于LLM的智能体能否自主优化科学软件，结果显示在t-SNE、ssGSEA和图计数任务中，优化后速度提升达两个数量级，表明手动优化或将成为过去式。
2026-09-30 cs.AI cs.SE
On the Correctness of Software Merge
National Institute of Advanced Industrial Science and Technology（产业技术综合研究所）；Chiba Institute of Technology（千叶工业大学）
研究软件合并正确性，提出基于句法标准的新结构合并工具，要求结果可解析且通用，经大规模实验对比现有工具，发现新工具无错误结果，揭示结构合并优缺点，为开发可靠合并工具奠定基础。
2026-07-10 cs.SE
Correctness Witnesses with Function Contracts
本文针对软件验证见证格式2.0无法表达函数契约的局限，提出扩展以支持ACSL风格的前置和后置条件，从而增强工具间信息交换能力。
2025-01-21 cs.PL cs.SE
Copper: Unifying Correctness and Performance Specification in Code Generation
Red Hat（红帽）；University of Coimbra（科英布拉大学）
研究如何在代码生成中兼顾正确性与性能，核心方法是结合形式验证与性能感知规范，主要贡献是生成的代码可证明正确且高效执行，缩小了AI辅助编程中可信度和性能的差距。
2026-07-07 cs.SE
Experience Report: Formal Methods in Material Science
在科学计算领域的需求增加，需要更有效地实现算法。除了效率之外，保持正确性是该领域的软件工程师必须面对的挑战。在这份报告中，我们分享我们的第一印象和经验的正式方法的适用性，在材料科学领域的科学计算软件的发展中出现的设计挑战。我们研究了两种不同的算法，一个用于负载分配和一个用于计算的凸包，并演示了如何正式的方法已被用来发现反例的正确性，现有的实现，以及证明的正确性的修正算法。为此采用的技术包括SMT求解器以及自动和交互式验证工具。
2018-02-14 cs.SE
From Architecture to Binary: Ensuring Cross-Domain Consistency in Model-Based Airborne Software Development
Technical University of Munich（慕尼黑工业大学）
针对机载软件开发中跨域不一致问题，提出以仓库为中心的实现方案，结合CI流水线与自动化检查，在实验项目中验证了方案的有效性。
2026-08-31 cs.SE
Selene: Pioneering Automated Proof in Software Verification
本文介绍 Selene，这是第一个基于 seL4 微内核构建的项目级自动化证明基准，提供端到端证明生成框架和轻量级验证环境，并通过 GPT-3.5-turbo 和 GPT-4 等实验展示了LLM 在自动化证明生成领域的能力能力。
2024-06-05 cs.SE
Formal methods and software engineering for DL. Security, safety and productivity for DL systems development
深度学习（DL）技术现在已经广泛应用，并被集成到许多重要的系统中。它们的分类和识别能力确保了它们与多个应用领域的相关性。作为依赖于训练而不是算法编程的机器学习，它们提供了高度的生产力。但它们可能容易受到攻击，并且验证其正确性只是作为一种科学和工程可能性才刚刚出现。本文是对以前发表的调查的重大更新，试图涵盖这一领域的所有最新出版物。它还涵盖了一个更近的趋势，即设计用于生成和训练神经网络的特定领域语言。
2019-01-31 cs.DC cs.SE
Leveraging LLMs for Formal Software Requirements -- Challenges and Prospects
本文提出VERIFAI项目，探索结合NLP、本体建模与LLM等方法，从非正式自然语言需求自动生成可验证形式化规格说明，并总结关键挑战与研究方向。
2025-08-28 cs.SE
Creative and Correct: Requesting Diverse Code Solutions from AI Foundation Models
本研究通过HumanEval实验，系统探究AI基础模型生成代码时多样性与正确性的权衡，识别出帕累托最优的参数与策略组合，为软件工程师提供实用指导。
2024-03-20 cs.SE
Building Confidence in Scientific Computing Software Via Assurance Cases
保证案例为正确性提供了一个有组织的、明确的论证。它们可以显著提高科学计算软件（SCS）的认证。保证案例已经被有效地用于实时的系统的安全案例。SCS的优势包括吸引领域专家，仅生成必要的文档，并提供可以验证/复制的证据。本文通过3dfim+（一种用于分析大脑活动的现有医学成像应用程序（MIA））的正确性案例说明了SCS的保证案例。选择这个例子的部分原因是最近对功能性磁共振成像（fMRI）研究有效性的担忧。该示例证明了SCS保证案例的价值，因为现有文档显示存在模糊性和遗漏，例如定义不完整的排名功能和缺少坐标系的详细信息。确定了3dfim+的一个严重问题：运行该软件不会产生任何警告，说明必须使用与相关性计算所用参数统计模型相匹配的数据。一般而言，提高SCS的标准，特别是MIA，既可行又必要-当软件影响安全性时，应采用保证案例方法（或同等严格的置信度建立方法）。
2019-12-31 cs.SE
A comprehensive safety engineering approach for software-intensive systems based on STPA
Institute of Software Technology, University of Stuttgart（斯图加特大学软件技术研究所）；Massachusetts Institute of Technology（麻省理工学院）
本文提出基于STPA的综合安全工程方法，结合软件测试和模型检查，用于开发安全软件，通过安全分析确定软件安全需求，以确保潜在危险原因不发生。
2016-12-09 cs.SE cs.SY eess.SY
Realization and Extension of Abstract Operation Contracts for Program Logic
对于具有形式正确性证明的工程软件来说，在软件或其规范发生变化的情况下，证明可以有效地重用是至关重要的。不幸的是，在现实中，即使是代码或其规范中的微小变化也经常导致不成比例的验证工作浪费：例如，每当一个方法的规范被修改时，其正确性的证明就会中断，所有基于此规范的其他证明也会中断。抽象方法调用是最近提出的方法调用验证规则，允许有效的系统重用证明。在这篇论文中，我们实现，扩展和评估这种方法的关键验证系统。
2015-01-18 cs.SE
Formal Model-Driven Engineering: Generating Data and Behavioural Components
模型驱动工程是从结构和功能的抽象模型中自动生成软件产品。通过针对特定的系统类别，可以使用模型转换和编码领域知识和实现策略的代码生成器来自动化开发过程的各个方面。使用这种方法，一个复杂的软件系统的正确性问题可以通过分析较低复杂性的抽象模型来回答，假设所采用的转换和生成器本身是正确的。本文展示了如何形式化技术可以用来建立模型转换的正确性，用于从精确的对象模型生成软件组件。源语言基于现有的形式化技术;目标语言是数据库编程中广泛使用的SQL表示法。正确性是通过为两种语言提供可比较的关系语义，并检查转换是否保持语义来建立的。
2013-01-01 cs.LO cs.MS cs.SE
ACECode: A Reinforcement Learning Framework for Aligning Code Efficiency and Correctness in Code Language Models
本文提出基于强化学习的微调框架ACECode，通过结合actor CodeLLM生成代码、计算源自执行反馈的免训练奖励信号以及PPO算法，在无需预定义测试用例的前提下同时优化代码的效率与正确性，显著提升了多个SOTA CodeLLMs的pass@1并降低了运行时间。
2024-12-23 cs.SE
Architectural Invariants and Correctness of IoT-based Systems
物联网应用影响越来越多的工业领域，如智能制造、智能健康监测和家庭自动化;配备传感器和执行器的物理对象或设备相互连接，然后通过软件应用程序进行控制。确保这些应用程序的正确构建、良好运行和可靠性是其中一些应用程序的重要问题，这些应用程序在功能障碍的情况下可能是至关重要的。我们提出的基础上，其共同的架构属性的形式化模型，基于物联网的应用程序的形式化建模的通用框架，其一致性属性的严格分析，其严格的建设和演变。可以逐步添加和检查特定属性。然后使用Event-B实现并实验了所提出的框架。我们利用的观察，基于物联网的物理架构和控制软件的主要要求是共同的所有基于物联网的应用程序;这导致我们的通用形式模型的定义与不变的架构和一致性属性。所提出的方法是通用的，可扩展的，并且可以有益地适应更一般的混合或网络物理系统。我们目前的实现是独立的形式化模型，它可以实现在各种其他形式化分析环境。
2019-12-18 cs.SE
Unsupervised Evaluation of Code LLMs with Round-Trip Correctness
Google DeepMind（谷歌DeepMind）
提出往返正确性（RTC）作为代码LLM的无监督评估方法，通过预测-反馈循环检查语义等价性，在广泛领域上评估代码合成与编辑，与现有基准强相关且无需人工标注。
2024-05-27 cs.LG cs.SE
Specification-Guided Synthesis of Deadlock-Free Communication Protocol Refinements with Large Language Models
University of Oxford（牛津大学）
该研究提出Syntropy框架，结合多方会话类型规范与大语言模型合成无死锁通信协议精化，经评估其有效性达95.6%-99.5%，可生成多样且语法正确的协议精化方案。
2026-10-14 cs.AI cs.SE
Towards Trustworthy AI Software Development Assistance
Technische Universität Darmstadt（德累斯顿技术大学）；Hessian Center for Artificial Intelligence (hessian.AI)（黑森人工智能中心）；National Research Center for Applied Cybersecurity ATHENE（应用网络安全国家研究中心ATHENE）
本文提出可信AI软件开发助手的架构，通过基础LLM训练、图表示和模块化框架提升代码质量和安全性。
2024-01-23 cs.LG cs.SE
Testing Research Software: An In-Depth Survey of Practices, Methods, and Tools
本研究深入调查了研究软件的测试实践、挑战与工具使用情况，发现开发者面临测试用例设计与输出正确性评估等主要挑战且对现有工具不熟悉，指出需提供定制化标准测试工具与资源支持以改进测试过程。
2025-01-29 cs.SE
Challenges in Testing Large Language Model Based Software: A Faceted Taxonomy
Mid Sweden University（Mid Sweden大学）；Chalmers University of Technology（查尔姆斯理工大学）；KAIST（韩国科学技术院）
本文提出面向 LLM 测试用例设计的四分面分类法，通过框架分析、智能体系统敏感性研究和示例对比，指出现有工具缺乏聚合与可变性建模，应以结果分布而非二元属性理解正确性。
2025-10-20 cs.AI cs.SE
Ensemble-Based Uncertainty Estimation for Code Correctness Estimation
Zhejiang University（浙江大学）；Beihang University（北京航空航天大学）；University of Twente（特温特大学）；Tianjin University（天津大学）；Nanyang Technological University（南洋理工大学）；Singapore Management University（新加坡管理大学）
本文提出ESE方法，通过评估多模型集成样本的一致性来估计不确定性，实验表明其在代码正确性评估中表现更优，并提出Cas框架提升效率。
2026-04-04 cs.SE
Patched RTC: evaluating LLMs for diverse software development tasks
Patched Codes, Inc（Patched Codes公司）
本文提出Patched RTC评估框架，通过无需人工干预的自我评估衡量LLM在错误修复等软件开发任务中的一致性，并证明其能有效区分模型性能与任务难度，为提示优化和模型选择提供指导。
2025-04-29 cs.AI cs.SE
Ten Simple Rules for Catalyzing Collaborations and Building Bridges between Research Software Engineers and Software Engineering Researchers
本文针对科研领域中研究软件工程师与软件工程研究者协作的需求，提出十条战略准则，涵盖差异尊重、协作培育、共寻挑战、互利共赢等方面，助力双方建立协同关系以提升研究质量与影响力。
2025-06-03 cs.SE
Calibration and Correctness of Language Models for Code
UC Davis（加利福尼亚大学戴维斯分校）；Univ. of Stuttgart（斯图加特大学）；Univ. of Houston（休斯顿大学）；SRI（SRI国际（斯坦福研究所））
本文针对代码生成模型的校准问题，提出评估框架并发现模型校准不佳，利用Platt缩放改进校准，以支持开发者理性决策。
2024-08-21 cs.LG cs.SE
Software Testing Meets Bayesian Workflow: A Literature-Driven Artifact Study of Probabilistic Programs
本研究结合软件测试与贝叶斯工作流，从《Statistical Rethinking》提取17种概率模型可测试属性，实现测试预言机并以59个模型验证，发现多数测试稳定，且标准变异算子无法捕获概率属性追踪的故障。
2026-10-14 cs.SE
Temporal HAL-API Dependencies as a Gateway to Formal Embedded Software Development
Hahn-Schickard Institute（汉-席克哈德研究所）；University of Freiburg（弗赖堡大学）；German Aerospace Center（德国航空航天中心）
本文提出时间HAL-API依赖关系作为形式化方法在嵌入式软件开发中的应用桥梁，通过规范和验证相结合的方法提升正确性保障。
2025-12-14 cs.SE
An Empirical Study of Interaction Bugs in ROS-based Software
本文针对基于ROS的机器人系统中的交互缺陷（iBugs）进行实证研究，分析了十个项目中的121个缺陷，将其分为系统内、硬件和环境三类，揭示了根本原因与修复策略，为构建更稳健安全的机器人系统提供指导。
2025-07-14 cs.SE
An LLM-as-Judge Metric for Bridging the Gap with Human Evaluation in SE Tasks
Singapore Management University（新加坡国立管理学院）；DGIST（韩国高等智能科学研究院）；Monash University（墨尔本大学）；Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；Huawei Software Engineering Application Technology Lab（华为软件工程应用技术实验室）；Zhejiang University（浙江大学）
提出SE-Jury，一种基于LLM集成评审的评估指标，通过动态选择评审团队评估生成软件工件的正确性，在三个SE任务中与人类判断的相关性提升29.6%-140.8%，接近人工一致性。
2025-10-10 cs.AI cs.CL cs.SE
Parthenos: A Source Code Injection Approach for Software Transformation
维护遗留企业信息系统是公司中众所周知的必要性。到目前为止，它仍然是一个昂贵和耗时的过程，需要付出很大的努力和成本来实现小的变化。MITRAS寻求通过提供基于图形转换的自动维护系统模型来降低维护成本。本文介绍了Parthenos，这是MITRAS的一种不同方法，其目标是在源代码的语法和类型语义级别上保证所引入的修改的正确性。此外，它还提出了一种可扩展的体系结构，允许最不同类型的系统进行软件维护。通过功能测试来评估其有效性，使用精确度，召回率和f-测量的措施。
2021-05-12 cs.SE
Model-Agnostic Correctness Assessment for LLM-Generated Code via Dynamic Internal Representation Selection
针对现有LLM代码正确性评估依赖固定层表示、泛化性有限的问题，提出模型无关的AUTOPROBE方法，通过注意力机制动态选择内部表示，在多基准多模型实验中性能全面优于基线，在安全、可编译性、功能性评估上分别领先18%、最高19%、最高111%。
2025-10-03 cs.SE
A repository of automatic GUI test patterns in Android applications: Specification and Analysis using Alloy modeling language
软件行业的目标是为客户提供高质量的软件。软件测试是保证软件质量的关键和敏感阶段。由于移动设备的日益普及，Android应用程序的使用有所增加。几乎所有的都配备了图形用户界面与用户或系统进行交互。GUI是与现代软件进行通信的最常用工具。因此，完美的GUI是保证整个软件系统安全性、强度和可用性的GUI。GUI测试是确保产品质量的重要阶段，因为GUI是用户对最终产品的第一印象和最终视图。本文提出了一种新的技术，以提高基于模型的测试效率，使用合金建模语言。研究结果表明，这种方法需要更少的配置和建模时间比以前的方法。此外，使用GUI模式可以减少错误和违规。
2022-09-05 cs.LO cs.SE
HackerRank-ASTRA: Evaluating Correctness & Consistency of Large Language Models on cross-domain multi-file project problems
针对现有基准忽视多文件场景及一致性评估的不足，本文提出HackerRank-ASTRA基准，通过多次运行和分类层级分析评估大模型在跨领域项目问题上的正确性与一致性，发现头部模型性能相当但Claude-3.5-Sonnet一致性最优。
2025-01-31 cs.LG cs.SE
Software Aging in LLM-Generated Applications: Runtime Evidence, Static Analysis, and Human-Written Comparisons
Federal Rural University of Pernambuco（伯南布哥联邦农村大学）；University of Naples Federico II（那不勒斯费德里科二世大学）；Gran Sasso Science Institute (GSSI)（格兰萨索科学研究所）
本文实验研究了LLM生成的多语言服务应用的软件老化，发现内存使用是最一致的老化指标，仅功能正确性不足以评估其持续运行的可靠性。
2026-09-03 cs.SE
Detecting Vulnerabilities in Encrypted Software Code while Ensuring Code Privacy
LASIGE, DI, Faculdade de Ciências, Universidade de Lisboa（里斯本大学科学学院）
提出结合静态分析与可搜索对称加密（SSE）的CoCoA工具，在保护代码隐私的前提下对加密源代码进行漏洞检测，实现了93%的精度和42.7%的适度开销。
2026-05-23 cs.CR cs.SE
On the Impact of Requirement Smells in LLM-Based Code Generation
fortiss GmbH（fortiss有限公司）；Netlight Consulting（Netlight咨询公司）；Technical University of Munich（慕尼黑工业大学）；Chalmers University of Technology（查尔姆斯理工大学）；Trinity College Dublin（都柏林三一学院）；University of Duisburg-Essen（杜伊斯堡-埃森大学）；Blekinge Institute of Technology（布莱金厄理工学院）
本研究通过扩展先前数据集，评估需求气味对LLM生成代码功能正确性的影响，发现气味密度增加降低正确性，且影响因任务而异，凸显需求质量的重要性。
2026-09-25 cs.SE
How Natural Language Proficiency Shapes GenAI Code for Software Engineering Tasks
Nara Institute of Science and Technology（奈良先端科学技术大学院大学）；The University of Osaka（大阪大学）
本文通过 HumanEval 数据集系统变化提示的英语熟练度，发现 LLM 默认采用 B2 水平，且更高熟练度的提示能一致提升生成代码的正确性，表明自然语言熟练度是控制代码生成的关键杠杆。
2025-11-06 cs.PL cs.SE
Correctness Assessment of Code Generated by Large Language Models Using Internal Representations
Faculty of Information Technology, VNU University of Engineering and Technology（信息科技学院，越南工程大学）
本文提出白盒框架OPENIA，利用LLM内部表示评估生成代码正确性，在独立和仓库场景中分别提升达2倍和46%。
2025-08-02 cs.LG cs.SE
From Event-B to Verified C via HLL
这项工作解决了一个事件B模型的C代码通过一个中间形式语言，HLL的正确翻译。正确性的证明遵循两个主要步骤。首先，将Event-B模型的最终细化（包括不变量）转换为HLL。在这一点上，额外的属性（例如，无死锁性、活跃性等）添加到HLL模型中。在HLL级别上对不变量和附加属性的证明保证了翻译的正确性。其次，C代码是从HLL模型自动生成的，用于大多数系统功能，并手动为其余的;在这种情况下，HLL模型提供正式的合同给软件开发人员。C代码与HLL模型的等价性证明保证了代码的正确性。
2016-10-24 cs.SE
LLM4EFFI: Leveraging Large Language Models to Enhance Code Efficiency and Correctness
Zhejiang University（浙江大学）；Stony Brook University（石溪大学）
本研究提出LLM4EFFI框架，通过逻辑域算法探索与代码域实现优化分离，并辅以合成测试用例细化，使大模型生成兼顾效率与正确性的代码，在效率基准上达到新最优。
2025-02-17 cs.AI cs.SE
Correctness-Guaranteed Code Generation via Constrained Decoding
Netflix
本文提出一种基于上下文敏感解析器和动态解析器树的约束解码算法，通过sLua生成符合指定API的语义正确代码，并将保证扩展到运行时正确性，在roguelike游戏机制生成中得到验证。
2025-08-20 cs.LG cs.PL cs.SE
CodeAssay: A Multi-Metric Benchmark with Audited Ground Truth for LLM Code Generation
Tampere University（坦佩雷大学）；Stony Brook University（石溪大学）
本文提出CodeAssay基准，涵盖185个Python任务，结合多类测试与度量，经审计后发现模型正确性标签有9.0%变化，且验证了多类LLM代码生成的评估特性。
2026-09-18 cs.SE
Mechanistic Interpretability of Code Correctness in LLMs via Sparse Autoencoders
College of Computer Studies（计算机科学学院）
本研究利用稀疏自编码器分解大语言模型表征，识别代码正确性相关方向并分析其机制，发现测试用例注意力对代码生成的关键作用，提出了提示优化、错误警报和选择性引导三项实际应用。
2025-10-03 cs.LG cs.SE
Using Assurance Cases to Guide Verification and Validation of Research Software
本文通过主动脉分割软件案例，展示保证案例如何指导研究软件的验证与确认，强调证据收集及软件与用户责任区分的重要性。
2024-11-05 cs.SE
Diagnosis via Proofs of Unsatisfiability for First-Order Logic with Relational Objects
针对FOL*不可满足性结果的正确性验证与原因解释问题，本文提出UNSAT证明格式、证明规则、证明验证算法及基于证明的诊断，并在FOL*检查器上实现验证。
2024-09-13 cs.SE
A Software Reuse Approach and Its Effect On Software Quality, An Empirical Study for The Software Industry
软件复用由于其提高质量和降低成本的作用而越来越受到人们的关注。良好的软件复用过程可以提高可靠性、生产力、质量并减少时间和成本。当前的复用技术主要关注基于预期功能的软件构件的复用，而非功能（质量）方面也很重要。因此，这里使用软件可重用性来提高软件的质量和生产率。它以最少的精力和时间提高了软件的整体质量。本研究的主要目的是提出一种复用方法，发现软件复用如何提高软件行业的质量。用于此目的的V&V技术是软件质量管理过程的一部分，它检查软件生存周期中的质量和正确性。以问卷调查的形式进行了一项调查研究，以发现重用方法对质量属性（需求规格说明和设计规格说明）的影响。其他质量增强技术，如ad hoc、CBSE、MBSE、产品线、COTS重用，在现有的软件行业中进行了检查。结果分析的帮助下，MATLAB工具，因为它提供了有效的数据管理，广泛的选择，更好的输出组织，检查天气质量增强技术的影响，由于可重用性和质量将如何提高。
2017-02-01 cs.SE
Spreadsheet Guardian: An Approach to Protecting Semantic Correctness throughout the Evolution of Spreadsheets
电子表格是一种强大的工具，在许多组织中发挥着关键的业务作用。然而，由于错误的电子表格而做出的许多错误决定表明，这些工具需要认真的质量保证。此外，虽然在维护任务的电子表格上进行协作是常见的，但几乎没有任何支持来确保电子表格在此过程中保持正确。我们已经开发出一种名为电子表格监护人的方法，它分离的规范电子表格测试规则，从他们的执行。通过自动执行用户定义的测试规则，我们的方法是能够检测语义故障。它还保护所有协作的电子表格用户在维护期间避免引入错误，即使只有少数最终用户指定测试规则。为了评估Spreadsheet Guardian，我们实施了一种代表性的测试技术作为Microsoft Excel的加载项。我们评估了测试技术在两个实证评估与29最终用户和42计算机科学的学生。结果表明，该技术简单易学，易于应用。此外，完成维护后，与电子表格“保护”的技术的参与者更现实的正确性，他们的电子表格比参与者谁只采用“经典”，非交互式的测试规则的基础上静态分析技术。因此，我们相信电子表格守护者可以用于业务关键型电子表格。
2017-11-30 cs.PL cs.SE
