Software Assumptions Failure Tolerance: Role, Strategies, and Visions
在我们的命令或其他情况下,当我们的软件正在执行时,各种各样的设计假设不断地与当前条件的真相相匹配。虽然存在标准和工具来表达和验证其中的一些假设,但在实践中,大多数假设最终要么被过滤掉,要么隐藏在我们的代码中。在整个系统层中,一个复杂的、有时模糊的假设网络决定了我们的软件与其部署平台和运行时环境的匹配质量。我们的立场是,它变得越来越重要,能够设计软件系统的架构和结构技术,允许软件被分解,以降低其复杂性,但没有隐藏在过程中的重要假设和假设。在本文中,我们讨论了这个问题,介绍了三个潜在的危险后果的否认,并提出了三个战略,以促进他们的治疗。最后,我们提出了一个新的整体的方法来软件开发,以克服碎片化的意见,假设失败的问题所提供的缺点,我们的愿景。
2016-04-11 cs.SE
An Interdisciplinary Guideline for the Production of Videos and Vision Videos by Software Professionals
背景和动机:近年来,在需求工程中应用视频的主题已经被讨论,其贡献是有趣的潜力。在过去的35年里,一些研究人员提出了在需求工程中应用视频的方法,由于其通信的丰富性和有效性。然而,这些方法主要使用视频,但忽略了如何制作它们的细节。缺乏指导是视频不是成功的需求沟通和共享理解的既定文档选项的一个关键原因。软件专业人员不是导演,因此他们不一定知道什么是一般的好视频,也不一定知道现有方法的好视频。因此,这种知识和技能的缺乏,如何产生和使用视频的视觉交流阻碍了视频软件专业人员在需求工程的应用。如何创建有效的视频和视觉视频?本技术报告解决了软件专业人员缺乏知识和技能的问题。我们提供了两个指南,可用作检查表,以避免在视频的制作和使用中经常出现的缺陷。没有经过特殊培训的软件专业人员应该能够遵循这些指导方针,以实现制作被利益相关者接受的(视觉)视频的基本能力。这些指导原则代表了在前期制作、拍摄、后期制作和观看(视觉)视频中的一组核心功能。我们并不追求这些能力中的任何一项的完美,例如,视频设备、讲故事或视频编辑的技术处理。相反,这些指南支持(视觉)视频制作和使用过程的所有步骤,以平衡的方式。
2021-02-26 cs.SE
Advancing Quantum Software Engineering: A Vision of Hybrid Full-Stack Iterative Model
本文提出一种融合量子与经典计算的混合全栈迭代量子软件开发模型,结合DevOps原则给出完整生命周期和实施路线图,降低传统开发者参与量子计算的门槛并推动量子软件工程发展。
2025-04-08 cs.SE
A Vision on Open Science for the Evolution of Software Engineering Research and Practice
针对开放科学实践面临挑战且缺乏合理激励的现状,提出关联文化与技术要素的概念框架,将开放科学作为核心要求,为推动软件工程界文化转变、赋能学界发展明确方向。
2024-05-20 cs.SE
"Game Changer" or "Overenthusiastic Drunk Acquaintance"? Generative AI Use by Blind and Low Vision Software Professionals in the Workplace
University of California, Irvine(加州大学尔湾分校);University of Southampton(南安普顿大学)
研究探讨生成AI对盲人和低视力软件专业人员工作的影响,发现其在提升生产率和可访问性方面有积极作用,但同时也带来更高的幻觉风险和组织政策限制。
2025-12-30 cs.SE
Model-Driven Development of Complex Software: A Research Roadmap
模型驱动工程(Model-Driven Engineering,MDE)一词通常用于描述软件开发方法,其中创建软件系统的抽象模型并将其系统地转换为具体的实现。在本文中,我们给出了目前的研究在MDE的概述,并讨论了一些必须解决的主要挑战,以实现软件开发的MDE愿景。我们认为,充分实现MDE的愿景可能不可能在近期到中期,主要是因为涉及的邪恶的问题。另一方面,试图实现这一愿景将提供一些见解,这些见解可用于显著缩小不断发展的软件复杂性与用于管理复杂性的技术之间的差距。
2014-09-22 cs.SE
Search-Based Metamorphic Testing of Vision-Language Models in Autonomous Underwater Robotic Software
Simula Research Laboratory(Simula 研究实验室);Oslo Metropolitan University(奥斯陆都市大学);Mondragon University(蒙德拉贡大学);National Institute of Informatics(国立情报学研究所);Group Research and Development, DNV AS(DNV AS 集团研发部)
提出基于搜索的蜕变测试方法MetaVLM,通过最小图像变换揭示水下场景中VLM的失败,评估BLIP和CLIP,为AUR软件质量保证提供经验。
2026-09-16 cs.SE
Toward Agentic Software Project Management: A Vision and Roadmap
Monash University(莫纳什大学);Prince Sultan University(苏丹亲王大学)
本文提出了一种基于多代理系统的代理项目经理框架,旨在提升软件项目管理效率,并探讨了人类项目经理角色的演变及新技能需求。
2026-01-23 cs.SE
Mahotas: Open source software for scriptable computer vision
Instituto de Medicina Molecular(分子医学研究所)
Mahotas是Python的计算机视觉库。它包含传统的图像处理功能,如滤波和形态学运算,以及更现代的计算机视觉功能,用于特征计算,包括兴趣点检测和局部描述符。接口是用Python编写的,Python是一种动态规划语言,非常适合快速开发,但算法是用C++实现的,并针对速度进行了调整。该库旨在适应该语言的科学软件生态系统,并可以利用该语言开发的现有基础设施。Mahotas是在自由开源许可证(MIT许可证)下发布的,可以从(http://github.com/luispedro/mahotas)和Python包索引(http://pypi.python.org/pypi/mahotas)获得。
2013-01-05 cs.CV cs.SE
Toward Quantum-Safe Software Engineering: A Vision for Post-Quantum Cryptography Migration
University of Maryland, Baltimore County(马里兰大学巴尔的摩县分校)
本文提出量子安全软件工程的新方向,针对后量子密码学迁移中的挑战,提出自动化量子安全适应框架及三项核心任务,推动软件工程方法革新。
2026-05-07 cs.CR cs.SE
Creative Problem-Solving: A Study with Blind and Low Vision Software Professionals
本研究通过对30名盲人与低视力软件专业人员的访谈,探讨了他们为克服职场可访问性障碍而采用的创新策略,揭示了创造性问题解决及协作社区在应对不可访问环境中的关键作用。
2025-01-31 cs.SE
LLM-Based Multi-Agent Systems for Software Engineering: Literature Review, Vision and the Road Ahead
本文系统综述了大语言模型多智能体系统在软件工程各阶段的应用现状,通过案例研究验证其能力与局限,并提出面向自主、可扩展、可信赖系统的研究议程。
2025-07-18 cs.SE
TimeLess: A Vision for the Next Generation of Software Development
针对软件开发复杂性、耗时和高成本问题,提出TimeLess系统愿景,利用多AI agents在会议中实时捕捉讨论并执行开发任务,将会议转为行动导向,加速下一代软件开发。
2024-11-13 cs.SE
Autonomous Agents in Software Development: A Vision Paper
Tampere University(坦佩雷大学);Jyväskylä University(于韦斯屈莱大学);University of Helsinki(赫尔辛基大学);Free University of Bozen Bolzano(博尔扎诺自由大学)
本文探讨GPT代理在软件工程中的潜力,提出通过多代理协作提升软件开发效率,展示其在代码生成、文档编写等方面的能力,并规划未来研究方向。
2023-11-30 cs.SE
SEArch: an execution infrastructure for service-based software systems
本文提出SEArch,一个基于编排范式的语言无关执行基础设施,通过编排机制定义互操作性契约,支持运行时服务的自动发现、绑定及软件构件的透明动态重配置。
2024-04-30 cs.SE
Towards a Methodology for Participant Selection in Software Engineering Experiments. A Vision of the Future
背景软件工程(SE)研究人员广泛地使用人类受试者进行实验。需要定义明确的样本以确保外部有效性。通过\textit{purposely}或\textit{convenience}选择样本,限制了结果的普遍性。Objective.我们的目标是描述参与者选择的实证SE的现状,确定主要的威胁,以及如何减轻。我们起草了一个强有力的参与者选择方法。法我们回顾了现有的参与者的选择准则,在SE,并进行了初步的文献综述,以了解参与者的选择是如何在SE在实践中进行。%和3)我们总结了发现的主要问题。结果我们概述了一种新的选择方法,通过1)定义所需人群的特征,2)定位研究人员可用的可能的抽样来源,3)确定并减少所选样本与其相应人群之间的“距离”。结论我们提出了一个路线图,开发和经验验证的选择方法。
2021-08-27 cs.SE
Assessing Vision-Language Models for Perception in Autonomous Underwater Robotic Software
Simula Research Laboratory(Simula研究实验室);Oslo Metropolitan University(奥斯陆城市大学);Mondragon University(蒙德拉贡大学);National Institute of Informatics(国立信息学研究所);Det norske Veritas (DNV)(挪威船级社(DNV))
本文评估了视觉-语言模型在自主水下机器人软件中的感知性能,通过计算性能和不确定性来指导软件工程师选择合适的模型。
2026-03-29 cs.RO cs.SE
Software Testing with Large Language Models: Survey, Landscape, and Vision
本文综述 102 项相关研究,从测试任务、LLM、提示工程和配套技术等方面梳理大型语言模型在软件测试中的应用,并总结挑战、机遇与未来路线图。
2024-03-04 cs.SE
Efficient and Green Large Language Models for Software Engineering: Literature Review, Vision, and the Road Ahead
本文综述 LLM4SE 发展,指出其效率与环境成本问题,提出高效绿色化愿景、研究路线图及潜在解决方案。
2024-12-04 cs.SE
Trustworthy and Synergistic Artificial Intelligence for Software Engineering: Vision and Roadmaps
Singapore Management University(新加坡管理大学)
本文梳理了AI4SE的发展历程与核心挑战,提出实现可信、协同AI4SE的两大战略路线图,展望其推动软件工程迈向2.0的愿景,旨在激发领域进一步研究。
2023-10-04 cs.AI cs.SE
The Vision of Software Clone Management: Past, Present, and Future
重复代码或代码克隆是一种代码气味,对软件系统的开发和维护既有积极的影响,也有消极的影响。过去的软件克隆研究主要集中在代码克隆的检测和分析上,而近年来的研究扩展到了克隆管理的整个领域。在过去的十年中,三个调查出现在文献中,其中包括检测,分析和代码克隆的进化特征。本文对克隆管理的最新技术进行了全面调查,并深入调查了克隆管理活动(例如,跟踪、重构、成本效益分析)。这是第一次调查克隆管理,我们指出的成就,到目前为止,并揭示了必要的进一步研究走向一个综合的克隆管理系统的途径。我们相信,我们在调查克隆管理领域方面做得很好,这项工作可以作为该领域未来研究的路线图
2020-05-03 cs.SE
Overview of Current Challenges in Multi-Architecture Software Engineering and a Vision for the Future
本文综述多架构软件工程的挑战,提出基于 WebAssembly、知识图谱与神经符号 AI 的 WebAssembly Twins 架构,以实现全生命周期建模、自主可控的未来软件工程。
2024-10-28 cs.SE
Generative AI Assistants in Software Development Education: A vision for integrating Generative AI into educational practice, not instinctively defending against it
Newcastle University(纽卡斯尔大学)
针对生成式 AI 编程助手带来的行业变革,本文通过访谈从业者了解实践与挑战,提出将 GAI 融入软件开发教育的愿景及教学建议。
2023-08-18 cs.AI cs.HC cs.SE
A Reference Architecture for Smart and Software-defined Buildings
涵盖智能和软件定义建筑(SSDB)的愿景越来越受欢迎,由于物联网基础设施的广泛采用,其实施现在更容易实现。支持这一愿景的一些最重要的应用是能源管理、环境舒适、安全和监控。本文概述了物联网和SSB技术及其在实现智能空间方面的合作。我们提出了一个四层参考架构,并围绕它组织相关概念。这个概念框架有助于识别当前关于该主题的文献,并将这些点连接成住宅和商业建筑未来的连贯愿景。
2019-02-25 cs.CY cs.SE
Software Engineering Approaches for TinyML based IoT Embedded Vision: A Systematic Literature Review
Boise State University(博伊西州立大学)
物联网(IoT)通过无处不在的传感、通信、计算和驱动,使人类能够控制我们的环境。在过去的几年里,物联网与机器学习(ML)联手,在远端嵌入深度智能。TinyML(Tiny机器学习)支持在极其精简的边缘硬件上部署用于嵌入式视觉的ML模型,将物联网和ML的力量结合在一起。然而,TinyML驱动的嵌入式视觉应用仍处于初期阶段,它们刚刚开始扩展到广泛的现实世界物联网部署。为了利用物联网和机器学习的真正潜力,有必要为产品开发人员提供强大的,易于使用的软件工程(SE)框架和最佳实践,这些框架和最佳实践是针对TinyML工程所面临的独特挑战而定制的。通过这一系统的文献综述,我们汇总了TinyML开发人员报告的关键挑战,并确定了大规模计算机视觉、机器学习和嵌入式系统中最先进的SE方法,这些方法可以帮助解决基于TinyML的物联网嵌入式视觉中的关键挑战。总之,我们的研究利用了嵌入式系统开发人员和ML开发人员独立开发的SE专业知识之间的协同作用,以帮助解决基于TinyML的物联网嵌入式视觉工程中的独特挑战。
2022-04-19 cs.CV cs.LG cs.SE
Software Engineering for Serverless Computing
无服务器计算是一种新兴的云计算范式,已应用于各种领域,包括机器学习、科学计算、视频处理等。无服务器应用程序),开发人员遵循新的基于云的软件架构,在那里他们开发事件驱动的应用程序,而不需要复杂和容易出错的服务器管理。开发无服务器应用程序的巨大需求给软件开发人员带来了独特的挑战。然而,软件工程(SE)还没有全心全意地解决这些挑战。在本文中,我们概述了SE如何促进无服务器应用程序开发的愿景,并呼吁SE研究社区采取行动来实现这一愿景。具体来说,我们讨论了研究人员和云提供商可以从SE的角度促进无服务器计算的可能方向,包括配置管理,数据安全,应用程序迁移,性能,测试和调试等。
2022-07-27 cs.SE
A Fresh Look at FAIR for Research Software
本文件记录了FAIR for Research Software(FAIR4RS)小组的讨论和审议,该小组重新审视了FAIR指导原则对科学数据管理和研究软件管理的适用性。我们讨论了理想的可复制的,开放的,可用的,公认的,可持续的和强大的研究软件的愿景,然后审查研究软件和数据的特性和实践的差异。这种对初始条件的愿景和理解可以作为尝试翻译和解释指导原则的背景,以更充分地与研究软件保持一致。我们发现,只要提供了大量的解释,许多原则仍然相对完整。“可找到”和“可证明”的基本原则尤其如此。我们发现,“互操作性”和“可重用性”特别容易出现广泛的,有时甚至是相反的解释。我们提出了两个新的原则模仿现有的,并提供修改后的指导性文字,这些原则,以帮助澄清我们的最终解释。在这一过程中发现了翻译方面的一系列差距,这些差距仍有待解决。最后,我们将考虑这些翻译后的原则在哪些方面与开篇所阐述的愿景有所差距。
2021-02-09 cs.SE
Ranking Computer Vision Service Issues using Emotion
软件开发人员越来越多地使用机器学习API来实现“智能”功能。研究表明,将机器学习纳入应用程序会增加技术债务,产生数据依赖性,并由于不确定性行为而引入不确定性。然而,我们对处理这些问题的软件开发人员的情绪状态知之甚少。在本文中,我们对1,245个关于计算机视觉API的Stack Overflow帖子中的情感进行了横向分析。我们调查现有的情感分类器的应用程序,并手动验证我们的结果。我们发现,不同的问题类别的情绪概况不同。
2020-05-27 cs.SE
Understanding the Career Mobility of Blind and Low Vision Software Professionals
本研究通过访谈26名盲人和低视力软件专业人士(BLVSPs),识别出技术挑战、同事看法、自身管理晋升看法及无障碍投入四个影响其职业流动性的因素,并为建设无障碍工作场所提出建议。
2024-04-25 cs.HC cs.SE
Towards AI-Native Software Engineering (SE 3.0): A Vision and a Challenge Roadmap
Queen's University(女王大学);Centre for Software Excellence, Huawei Canada(华为加拿大软件卓越中心);York University(约克大学)
本文提出SE 3.0愿景,通过AI原生方法提升软件开发效率,介绍关键技术栈与挑战路线图。
2026-01-09 cs.AI cs.SE
LLM-as-a-Judge for Software Engineering: Literature Review, Vision, and the Road Ahead
Singapore Management University(新加坡管理大学);Monash University(蒙纳士大学);CSIRO’s Data61(澳大利亚联邦科学与工业研究组织数据61);Australian National University(澳大利亚国立大学)
本文针对软件工程中LLM生成制品评估缺乏可靠可扩展方法的问题,综述现有LLM-as-a-Judge相关研究、分析局限与空白,提出2030年发展路线图,以推动该范式的研究应用,提升评估可扩展性。
2025-10-28 cs.SE
ARMS: A Vision for Actor Reputation Metric Systems in the Open-Source Software Supply Chain
Purdue University(普渡大学);Microsoft Research(微软研究院)
研究开源软件供应链中维护者评估拉取请求网络安全影响的挑战,提出引入参与者声誉度量(ARMS),并通过行业标准识别安全信号、映射度量及设计研究来支持其实例化。
2026-07-07 cs.CR cs.SE
QCSHQD: Quantum computing as a service for Hybrid classical-quantum software development: A Vision
针对经典开发者获取量子计算资源难、缺乏相关专业知识的问题,提出采用面向服务策略的QCSHQD框架,包含IDE、量子服务编排抽象层、服务提供商三部分,旨在降低量子计算使用门槛,推动经典-量子混合计算创新。
2024-04-12 cs.SE
The Future of Generative AI in Software Engineering: A Vision from Industry and Academia in the European GENIUS Project
Akkodis Germany Solutions GmbH(德国Akkodis解决方案公司);University of Hildesheim(希尔德斯海姆大学);University of Innsbruck(因斯布鲁克大学);Bilkent University(比尔肯特大学);King’s College London(伦敦国王学院)
本文基于欧洲GENIUS项目提出GenAI驱动软件工程的愿景,系统梳理SDLC各阶段应用挑战,展望未来五年技术方法进展与专业人员角色转变,并强调通过实用工具和工业验证推动可靠、可扩展的产业级解决方案。
2025-11-06 cs.AI cs.SE
Causal Models in Requirement Specifications for Machine Learning: A vision
针对机器学习软件系统数据需求指定难的问题,本文提出将因果建模作为需求工程活动,通过工作流从先验知识引出低层需求,并在工业故障检测系统上验证,展望未来研究方向。
2025-04-23 cs.SE
Causal Software Engineering: A Vision and Roadmap
University of Naples Federico II(那不勒斯费德里科二世大学);University of Sheffield(谢菲尔德大学)
研究软件工程在不确定性下决策的关键问题,提出因果软件工程范式,通过因果模型和推理为软件生命周期活动提供信息,还给出工作流程视图、路线图及评估议程。
2026-05-04 cs.AI cs.SE
Software Requirements Specification - Softbody Simulation System
本文档的目的是为交互式计算机图形物理仿真系统提供视觉。它侧重于利益攸关方的需求以及这些需求的原因。
2013-05-19 cs.SE
Toward Agentic Software Engineering Beyond Code: Framing Vision, Values, and Vocabulary
Monash University(墨尔本大学)
本文提出代理软件工程应超越代码,构建全过程愿景,基于SE基础和新兴框架,提出价值观和原则,并指导词汇设计,推动SE范式转变。
2026-02-17 cs.AI cs.MA cs.SE
Towards a Software Reference Architecture for Natural Language Processing Tools in Requirements Engineering
Chalmers University of Technology(查尔姆斯理工大学);University of Gothenburg, Sweden(哥德堡大学)
本文提出面向需求工程中NLP工具的软件参考架构愿景,旨在通过模块化和互操作性提升工具的可持续性和重用性。
2026-02-19 cs.SE
AI-Native Product Management: A Vision
Ericsson(爱立信)
本文针对AI应用下软件实现快于产品管理评估速度的问题,综合相关研究提出AI作为产品工作持续参与者的愿景,构建运营模型并明确AI原生产品管理等研究方向。
2026-10-14 cs.AI cs.SE
Vision: An Extensible Methodology for Formal Software Verification in Microservice Systems
University of Arizona(亚利桑那大学)
本文提出了一种可扩展的方法论,用于通过形式验证微服务系统架构,通过静态建模和SMT约束集实现形式验证,并验证其正确性和适用性。
2025-09-02 cs.LO cs.SE
Requirements of API Documentation: A Case Study into Computer Vision Services
使用基于云的计算机视觉服务正在获得越来越多的关注,开发人员通过熟悉的RESTful API访问AI驱动的组件,而不需要协调大型训练和推理基础设施或管理/标记训练数据集。然而,虽然这些API看起来很熟悉,但它们的非确定性运行时行为和演变并没有充分传达给开发人员。因此,改进这些服务的API文档是非常重要的-更广泛的文档有助于智能软件的开发过程。在之前的研究中,我们从21个开创性的作品中提取了34个API文档工件,设计了五个关键需求的分类来生成高质量的API文档。我们以两种方式扩展这项研究。首先,通过调查104名不同经验的开发人员,了解哪些API文档工件对从业者最有价值。其次,通过新兴的计算机视觉服务领域的案例研究,确定这些高价值的人工制品中哪些是有据可查的,哪些没有。我们确定:(i)软件工程文献中的一些空白,其中API文档理解的各个方面被/没有被广泛调查;以及(ii)行业供应商(相反)文档工件以更好地服务于其终端开发人员。我们提供了一组建议,以增强供应商和更广泛的研究社区的智能软件文档。
2020-12-26 cs.SE
Story Arena: A Multi-Agent Environment for Envisioning the Future of Software Engineering
IBM Research(IBM研究)
本文提出 Story Arena 多智能体环境,让多个持有不同立场的 AI 智能体通过对话形成共同愿景,并协作创作设计虚构作品《信任之代码》,以叙事方式探索人机共创软件工程的未来。
2025-11-07 cs.HC cs.SE
Metamorphic Relation Generation: State of the Art and Visions for Future Research
由于变形测试在揭示各种软件系统中的真实缺陷方面取得了巨大的成功,变形测试已经成为解决软件测试中臭名昭著的oracle问题的主流技术。变质关系作为变质测试的核心组成部分,一直吸引着学术界和工业界的研究兴趣。在过去的十年中,已经进行了大量的研究,以系统地生成各种来源和不同的应用领域的变质关系。本文在对变形关系生成技术进行系统综述的基础上,对变形关系识别和构造的理论和技术的进一步发展进行了总结和展望,并讨论了相关领域的潜在研究趋势。
2024-06-11 cs.SE
Human Factors in Software Reliability Engineering
在本文中,我们提出了我们的愿景,人因工程集成到软件开发过程中。这种方法的目的是提高软件的质量,并以系统的方式处理人为错误。
2015-03-12 cs.HC cs.SE
The Future of AI-Driven Software Engineering
The University of Auckland(奥克兰大学)
本文探讨AI驱动软件工程的未来趋势,强调人类开发者与AI的协同合作,并指出需解决的关键挑战以实现这一愿景。
2026-03-26 cs.AI cs.LG cs.PL
Towards Code Generation from BDD Test Case Specifications: A Vision
Technische Universität Darmstadt(达姆施塔特工业大学)
本文提出一种新颖的代码生成方法,利用行为驱动开发测试规约作为基于 Transformer 的机器学习模型的输入,为流行的 Angular 框架生成前端组件代码,旨在大幅减少 Web 应用开发时间并提升软件质量。
2023-05-19 cs.AI cs.SE
Unleashing the Potentials of Immersive Augmented Reality for Software Engineering
在沉浸式增强现实(IAR)中,用户可以佩戴盔装显示器,以查看叠加到他们的世界视图中的计算机生成的图像。IAR被证明在几个领域都是有益的,例如,汽车,医药,游戏和工程,具有积极的影响,例如,协作和沟通。我们认为IAR在软件工程中有着巨大的潜力,但到目前为止,这一研究领域一直被忽视。在这篇展望论文中,我们引出了在软件工程中使用IAR的潜力和障碍。我们确定了可能的领域,可以支持IAR技术相关的IAR的改进,典型的软件工程任务。我们进一步展示了IAR技术的创新使用如何从根本上提高软件工程师的典型活动,通过一系列全面的使用场景概述了实际应用。最后,我们根据我们的场景和草图研究活动,使我们的愿景成为现实,反思当前IAR技术的局限性。我们认为这篇论文是相关的学术界和工业界一样,在指导步骤的创新研究和应用程序IAR在软件工程。
2020-01-05 cs.HC cs.SE
Computer Vision Intelligence Test Modeling and Generation: A Case Study on Smart OCR
San Jose State University(圣何塞州立大学);ALPSTouchStone, Inc.(ALPSTouchStone公司)
针对AI软件质量评估难题,提出含3D分类模型、测试覆盖准则与四项评估指标的AI软件功能测试框架,并通过移动端OCR案例验证其有效性。
2024-09-14 cs.AI cs.CV cs.SE
Towards Reliable LLM-Driven Fuzz Testing: Vision and Road Ahead
Institute of Information Engineering, CAS(中国科学院信息工程研究所);School of Cyber Security, University of Chinese Academy of Sciences(中国科学院大学网络空间安全学院);University of Sydney(悉尼大学);Singapore Management University(新加坡管理大学)
本文探讨了LLM驱动模糊测试(LLM4Fuzz)面临的可靠性瓶颈,提出了未来研究方向,旨在通过解决驱动程序有效率和种子质量问题,推动其成为现代软件测试的基础组件。
2025-03-02 cs.AI cs.SE
Trustworthy AI Software Engineers
Monash University(蒙纳士大学);Columbia University(哥伦比亚大学)
本文探讨AI代理作为软件工程师的信任问题,提出以证据为中心的检查方法,从技术质量、透明度、认知谦逊和社会伦理等维度定义可信赖性。
2026-06-03 cs.SE
''You Can't Open an LLM With a Screwdriver'': The De-Democratization of Software
Virginia Commonwealth University(弗吉尼亚联邦大学);University of Hawai'i at Mānoa(夏威夷大学马诺阿分校);Oregon State University(俄勒冈州立大学)
本文指出AI虽扩大代码生成获取范围但或使软件控制权集中,软件工程专业知识重心转向意图规范,并提出教育、工具和政策领域的研究机遇以应对AI时代挑战。
2026-08-26 cs.SE
A Vision of DevOps Requirements Change Management Standardization
DevOps(开发和运营)旨在缩短软件开发过程,并提供高质量的持续交付。为了获得DevOps的潜在收益,软件开发行业考虑在全球软件开发(GSD)环境中雇用熟练的人力资源和全天候工作时间。然而,由于GSD缺乏频繁的沟通和协调,需求变更过程的规划和管理成为一项具有挑战性的任务。与DevOps一样,需求不仅由开发反馈形成,还由运营团队形成。这意味着需求影响开发,开发影响运营,运营影响需求。然而,GSD中的DevOps在需求管理方面仍然面临许多挑战。该研究项目的目的是开发一个DevOps需求变更管理和实施成熟度模型(DevOps-RCMIMM),可以帮助GSD组织在DevOps过程中修改和改进其需求管理过程。DevOps-RCMIMM的开发将基于现有的DevOps和RCM文献、行业实证研究以及对可能影响GSD领域DevOps需求变更管理流程实施的因素的理解。该愿景研究提出了系统的文献综述的初步结果,这将有助于发展成熟度水平的建议DevOps-RCMIMM。
2022-11-25 cs.IT cs.SE math.IT
Neurosymbolic Architectural Reasoning: Towards Formal Analysis through Neural Software Architecture Inference
针对形式化架构模型构建成本高导致架构形式化分析难普及的问题,提出神经架构推断方法以支撑神经符号架构推理,并梳理了六个待解决的研究问题与研究方向。
2025-03-20 cs.SE