Automated Creation and Enrichment Framework for Improved Invocation of Enterprise APIs as Tools
提出ACE框架，通过生成增强工具规范和动态入围机制，将企业API转换为LLM兼容工具，解决文档匮乏和操作繁多问题，提升工具选择与调用准确性。
2025-09-15 cs.AI cs.SE
Embedded Software Development with Digital Twins: Specific Requirements for Small and Medium-Sized Enterprises
本文通过访谈中小型企业，发现实时性要求、安全顾虑及硬件访问限制阻碍了软件在环开发，但数字孪生仍被视为提升质量与定制化的潜力所在。
2023-09-17 cs.SE
Regulatory Requirements Engineering in Large Enterprises: An Interview Study on the European Accessibility Act
本研究以《欧洲无障碍法案》为例，通过对三家大型企业的访谈探索法规影响分析（RIA）这一法规需求工程流程，揭示其协作模式、支撑制品与现存挑战，指出目前缺乏相关制品的成熟管理实践。
2024-09-11 cs.CY cs.SE
Automated Test Data Generation for Enterprise Protobuf Systems: A Metaclass-Enhanced Statistical Approach
针对企业级Protobuf系统复杂嵌套结构下测试数据生成困难的问题，提出一种结合元类动态增强与生产日志统计分析的测试生成框架，大幅提升测试效率与覆盖率。
2025-07-16 cs.CE cs.PL cs.SE
Packaged Software Implementation Requirements Engineering by Small Software Enterprises
中小型企业（SMEs）通常蓬勃发展，因为他们在利基市场中成功地做了一些独特的事情。为此，中小企业可能会设法避免使用套装软件所鼓励的任何标准化，以保护其竞争优势。因此，在中小企业实施成套软件提出了挑战，涉及如何最好地应对成套软件提供的功能与每个中小企业的业务需求之间的不匹配。一个重要的问题是，小型软件企业或中小型软件开发公司（SMSSDC）应用哪些流程来识别并处理这些不合适的情况。为了探索打包软件（PS）实施的过程，进行了人种学研究，以深入了解分析师在两个SMSSDC中所扮演的角色。这项研究的目的是了解PS实施方面的需求工程（或“PSIRE”）。民族志研究期间收集的数据进行了分析，使用归纳法。基于对案例的分析，我们构建了一个解释PS实施需求工程过程的理论模型，并将其命名为PSIRE并行星型模型。并行星模型表明，在PSIRE期间，可以同时进行多个RE过程。平行星型模型几乎没有什么限制，因为不仅可以并行地执行过程，而且不必总是按照特定的顺序进行。因此，本文提供了一个新的调查和解释的RE实践打包软件实现，接近的现象，从分析师的角度来看，并提供了第一个广泛的研究打包软件实现RE（PSIRE）在SMSSDC。
2021-06-07 cs.SE
Closing the Gap: Automated Discovery of Secure Dockerfile Reference Standards via Semantic Clustering in Enterprise Inner Source
Technical University of Munich（慕尼黑工业大学）；Siemens AG（西门子股份公司）
针对企业内部源代码中Dockerfile的安全配置错误与技术债务问题，提出六阶段自动化流水线，发现其内部存在可提升安全态势的参考实现，为企业供应链安全推荐系统提供数据基础。
2026-08-27 cs.CR cs.SE
From Code to Requirements: Agentic Reverse Engineering of Business Rules at Enterprise Scale
Cognizant（高知特）
本文提出一个七智能体协作框架，通过逆向工程企业软件自动生成业务需求文档，在九分钟内完成每项服务，成本降低超过98%。
2026-09-22 cs.AI cs.SE
Automated Customization of LLMs for Enterprise Code Repositories Using Semantic Scopes
IBM Research Yorktown Heights New York, USA（IBM研究院扬斯敦高地新 York 美国）
本文提出基于语义范围的LLM企业代码仓库自动化定制方法，通过RAG和FT策略提升代码生成精度，提高开发者生产力。
2026-02-05 cs.AI cs.SE
Continuous Benchmark Generation for Evaluating Enterprise-scale LLM Agents
针对企业级大语言模型智能体评估中固定基准难以适配需求迭代、真值样例稀缺的问题，提出依托半结构化文档结合大语言模型的持续基准生成方法，可构建可维护评估框架，支撑智能体性能快速反馈与针对性优化。
2025-11-13 cs.SE
Enterprise-Driven Open Source Software: A Case Study on Security Automation
本文通过挖掘8243个企业驱动的开源软件仓库并调查维护者，发现仅6.83%的项目在CI流水线中应用安全自动化，揭示了安全活动稀缺和防护覆盖率低的问题，并呼吁业界关注第三方软件漏洞和改进实践。
2021-02-10 cs.SE
From Rookie to Pro: Social Engineering LLMs for Automated Vulnerability Exploitation in Enterprise Software
SnT, University of Luxembourg（卢森堡大学 S&TT 研究中心）；University Cheikh Anta Diop（谢赫·安塔·迪奥普大学）；Cheikh H. KANE Digital University（谢赫·H·卡内数字大学）
本文展示如何利用公开的LLMs将新手转变为具备攻击能力的用户，提出RSA策略以绕过安全机制，验证了LLMs在漏洞利用中的有效性，挑战了传统安全原则。
2026-09-02 cs.SE
Validating API Design Requirements for Interoperability: A Static Analysis Approach Using OpenAPI
本文提出S.E.O.R.A工具，通过静态分析方法验证API设计需求，提升互操作性和治理，自动化检查以提高API设计的一致性和可重用性。
2025-11-21 cs.SE
Business and technical requirements of Software-as-a-Service: Implications in portuguese enterprise business context
软件即服务（SaaS）是一些公司承载其业务流程的可行选择。采用率相当高，公司已经使用两种以上的服务超过两年。然而，虽然一些公司计划在不久的将来将更多的业务流程由这些服务支持，但其他公司不知道他们是否会这样做。他们对软件提供商的服务水平有几点担忧。这些问题主要是技术和功能问题、服务可用性和支付模式。与传统软件相比，有一些重大变化对软件的开发和提供给用户产生了影响。现有的研究针对特定的方面，很少有研究对SaaS对开发和提供软件的任何人以及作为最终用户使用软件的人的影响给出更广泛的观点。葡萄牙市场的真正需求是什么？有什么恐惧，正在采取什么措施来减轻恐惧？为了创造更多的价值，我们应该把与SaaS产品相关的注意力集中在哪里？因此，要分析这些问题，四个探索性的案例研究被用来评估SaaS对软件开发商或软件提供商在葡萄牙和最终用户的可能影响。这篇文章出现在一个现实和深入的研究，包括葡萄牙公司的管理者，领导者和决策者的参与，以实现什么实际上构成了SaaS的问题，以及什么有效的公司希望在这个报价提供的背景下。这项研究的结果表明，SaaS有效地为葡萄牙公司的发展提供了一个非常有趣和坚实的解决方案，但缺乏更大的努力，特别是在为每个客户（租户）定制和与后端内部部署应用程序集成方面。
2013-12-08 cs.SE
Pandora: A Cyber Range Environment for the Safe Testing and Deployment of Autonomous Cyber Attack Tools
The University of Queensland（昆士兰大学）
网络安全工具越来越自动化，具有人工智能（AI）功能，以匹配攻击的指数规模，弥补培训新网络安全人才的相对较慢的速度，并提高工具和用户的准确性和性能。然而，自主网络攻击工具的安全和适当使用-特别是在这些工具的开发阶段-在很大程度上仍然是一个未解决的差距。我们对当前文献和工具的调查表明，大多数现有的网络靶场设计大多使用手动工具，没有考虑增强自动化工具或工具引起的潜在安全问题。换句话说，仍然有空间进行新的网络范围设计，允许安全研究人员安全地部署自主工具，并在需要时执行自动化工具测试。在本文中，我们介绍了潘多拉，一个安全的测试环境，允许安全研究人员和网络范围的用户进行实验的自动化网络攻击工具，可能有很强的使用潜力，并在同一时间，一个强大的潜在风险。与现有的测试平台和网络范围不同，这些测试平台和网络范围与企业计算机系统直接兼容，并有可能在企业网上传播风险，我们的测试系统被故意设计为与企业现实世界的计算系统不兼容，以降低攻击传播到实际基础设施中的风险。我们的设计还提供了一个工具，可以将开发中的自动化网络攻击工具转换为可执行的测试二进制文件，以便在需要时验证和使用真实的企业系统环境。我们的实验测试了我们提出的系统上的自动化攻击工具，以验证我们提出的环境的可用性。我们的实验也证明了我们的环境的安全性，通过使用简单的恶意代码的兼容性测试。
2020-09-24 cs.AI cs.CR cs.SE
RCM: Requirement Capturing Model for Automated Requirements Formalisation
大多数现有的自动化的需求形式化技术要求系统工程师（重新）写他们的需求使用一组预定义的需求模板具有固定的结构和已知的语义，以简化形式化过程。然而，这些技术需要理解和记忆需求模板，这些模板通常是固定格式的，限制了捕获的需求，并且不允许捕获更多样化的需求。为了解决这些局限性，我们需要一个参考模型来捕获关键的需求细节，而不管它们的结构、格式或顺序如何。然后，使用NLP技术，我们可以将文本需求转换为参考模型。最后，使用一套转换规则，我们可以将这些需求转换为正式的符号。在本文中，我们介绍了在这个过程中的第一个和关键的一步，需求捕获模型（RCM）-作为一个参考模型-建模的关键要素的系统需求，无论其格式，或顺序。我们评估了鲁棒性的RCM模型相比，现有的15个需求表示方法和基准的162个要求。我们的评估表明，与现有的方法相比，RCM细分支持更广泛的需求格式。我们还实现了一套转换规则，将基于RCM的需求转换为时态逻辑。未来，我们将开发基于NLP的RCM提取技术，提供端到端的解决方案。
2020-09-30 cs.SE
ScaleCall -- Agentic Tool Calling at Scale for Fintech: Challenges, Methods, and Deployment Insights
本文提出 Mastercard 内部的工具调用框架 ScaleCall，系统评估了基于嵌入、列表式排序及混合检索方法在受监管金融科技环境中的表现，为大规模、功能重叠工具集的检索与消歧提供了部署洞察与架构实践。
2025-10-29 cs.SE
Semi-Automated Labeling of Requirement Datasets for Relation Extraction
由人工注释者手动创建数据集是一项艰巨的任务，可能会导致有偏见和不均匀的标签。我们提出了一个灵活的，半自动的框架标记数据的关系抽取。此外，我们还提供了一个来自需求工程领域的预处理句子数据集，包括一组自动创建和手工制作的标签。在我们的案例研究中，我们比较了人类和自动标签，并表明两种注释之间存在大量重叠。
2021-09-05 cs.SE
RAG Does Not Work for Enterprises
Strative
本文针对企业场景中 RAG 面临的安全、准确性、可扩展性和集成挑战，调研现有方法并提出包含定量测试、定性分析、消融研究和行业案例研究的评估框架，以验证专用 RAG 架构在企业级部署中的有效性。
2024-05-31 cs.AI cs.SE
Automated Concern Extraction from Textual Requirements of Cyber-Physical Systems: A Multi-solution Study
针对信息物理系统需求关注点提取缺乏公平基准的问题，提出包含2721条真实需求的ReqEBench基准，对比三类提取方案并分析LLM方案缺陷，为相关技术评估与发展提供支撑。
2025-10-22 cs.SE
Requirements-Driven Automated Software Testing: A Systematic Review
本文系统综述了需求驱动的自动化软件测试（REDAST），分析156篇文献后发现基于规则的方法占主导、机器学习探索不足，完全自动化罕见，并据此提出未来研究方向。
2025-08-23 cs.SE
SAFFRON: A Semi-Automated Framework for Software Requirements Prioritization
由于当前软件开发方法的动态性质，需求的变化被接受并给予适当的考虑。然而，这引发了排名颠倒问题，涉及到根据涉众的反馈重新确定需求的优先级。由于大量的人类交互所花费的时间，它产生了巨大的成本。针对这一问题，本文提出了一个软件需求优先级半自动化框架SAFFRON。对于特定的需求，SAFFRON预测适当的利益相关者的评级，以减少人类的互动。最初，项目-项目协同过滤是用来估计新的和以前引出的需求之间的相似性。利用这种相似性，确定最有可能对需求进行评级的利益相关者。然后，基于潜在因素模型的协同过滤被用来预测这些利益相关者的评级。在RALIC数据集上实现并测试了该方法。结果表明，与现有技术方法类似，与地面实况一致相关。此外，SAFFRON需要减少13.5-27%的人工交互来重新确定需求的优先级。
2017-12-31 cs.SE
A Retrieval-Augmented Automated Stakeholder for Requirements Elicitation Education: A Comparative Study
King Saud University（沙特国王大学）
本研究针对需求工程教育中角色扮演受资源限制及LLM幻觉问题，采用基于LangChain的检索增强生成模拟干系人，实验表明其能提升需求获取问题质量与特征识别完整性。
2026-09-14 cs.SE
Automated Repair of Requirements for Cyber-Physical Systems in Simulink Requirements Tables
University of Toronto（多伦多大学）；McMaster University（麦克马斯特大学）；University of Bergamo（贝加莫大学）
提出一种利用系统执行数据修复信息物理系统需求以恢复需求与系统一致性的框架，并在六个真实案例中验证其有效性。
2026-06-02 cs.SE
A Survey on the Techniques and Tools for Automated Requirements Elicitation and Analysis of Mobile Apps
本文通过系统映射73篇论文，综述移动应用自动化需求获取与分析的技术与工具，发现半自动技术、开源非自研工具及需求分析、挖掘、分类任务占主导。
2025-09-01 cs.SE
Functional Requirements-Based Automated Testing for Avionics
我们提出并证明了一种方法，减少测试工作的安全关键软件开发使用DO-178指南。我们实现了这一目标，通过应用有界模型检验（BMC），以正式的低层次的要求，以自动生成测试，是足够好的，以取代现有的劳动密集型测试编写程序，同时保持独立的实现文物。鉴于现有的手动过程往往是经验和主观的，我们开始正式定义一个度量，它扩展了公认的最佳实践，从代码覆盖率分析策略，以生成测试，充分覆盖的要求。然后，我们制定的自动化测试生成程序，并应用其原型与工业合作伙伴的案例研究。在回顾中，这里开发的方法被证明可以显着减少人为的工作，根据DO-178指南的软件产品的资格。
2017-07-05 cs.SE
Requirements Strategy for Managing Human Factors in Automated Vehicle Development
本文运用需求策略视角，通过13次访谈，探讨自动驾驶汽车敏捷开发中人为因素需求的所有权、结构及流程，提供行业实践见解。
2024-05-29 cs.SE
CiRA: An Open-Source Python Package for Automated Generation of Test Case Descriptions from Natural Language Requirements
本文介绍CiRA工具，它从条件性自然语言需求中自动提取因果关系，生成全覆盖的最小测试用例集，并在61条需求上分别以84.5%和92.3%的准确率推断测试变量与配置。
2023-10-12 cs.SE
RITA: A Tool for Automated Requirements Classification and Specification from Online User Feedback
Lero, the Research Ireland Centre for Software, University of Limerick（利默里克大学软件研究爱尔兰研究中心）；University College Dublin (UCD)（都柏林大学学院）；University of Padova（帕多瓦大学）
RITA通过整合轻量级开源大语言模型，实现从在线用户反馈自动分类需求、识别非功能需求并生成自然语言规范，提升需求工程的端到端支持能力。
2026-01-16 cs.SE
Automated synthesis of local time requirement for service composition
服务组合旨在通过组合现有的基于服务的应用程序或组件来实现业务目标。服务的响应时间是至关重要的，特别是在时间关键的业务环境中，这通常被规定为服务提供者和服务用户之间的服务级别协议中的一个条款。为了满足复合服务的保证响应时间要求，重要的是选择一组可行的组件服务，使得它们的响应时间将共同满足复合服务的响应时间要求。在这项工作中，我们使用的建模语言，旨在指定Web服务。我们扩展了它的定时参数，并配备了一个正式的语义。然后，我们提出了一个完全自动化的方法来合成的响应时间的要求，组件服务建模使用的服务，在当地的响应时间的约束的形式。合成的需求将保证静态或动态地满足全局响应时间需求。我们将我们的工作实现到一个工具中，Selamat，并进行了几个实验来评估我们的方法的有效性。
2020-03-18 cs.SE
Automated Requirements Relation Extraction
该研究针对文本需求关系抽取中歧义性强、专家成本高的问题，综述了需求关系基础、自然语言分类技术与信息抽取方法，并分析了前沿挑战与未来方向，为该领域理论与实践研究提供清晰视角。
2025-03-20 cs.SE
Automated Smell Detection and Recommendation in Natural Language Requirements
针对自然语言需求易出现歧义等质量问题导致项目失败的问题，提出工具Paska，利用NLP技术和受控自然语言Rimay自动检测需求坏味并提供改进建议，工业案例验证其检测与推荐准确率高。
2023-11-25 cs.SE
GUISpector: An MLLM Agent Framework for Automated Verification of Natural Language Requirements in GUI Prototypes
针对现有GUI测试方法难以应对现代界面复杂性、缺乏可执行反馈等问题，提出GUISpector框架，利用MLLM智能体自动验证GUI原型的自然语言需求，提取可执行反馈并提供集成工具，实验验证了其有效性。
2025-10-06 cs.SE
Agentic Observability: Automated Alert Triage for Adobe E-Commerce
Adobe（奥多比）
本文提出了一种基于代理AI的自动化警报分拣框架，通过ReAct范式实现Adobe电子商务系统中警报分拣的自动化，显著提升分拣效率与诊断准确性。
2026-01-31 cs.AI cs.SE
On the Impact of Requirements Smells in Prompts: The Case of Automated Traceability
本文通过两个 LLM 的自动化需求—代码追踪实验，考察提示词中的需求坏味对性能的影响，发现其仅显著影响链接存在性判断，而不显著影响代码行级追踪。
2025-01-08 cs.SE
From Natural Language Requirements to Graphical User Interfaces: Automated Prototyping and Verification with Pretrained Language Models
Universität Mannheim（曼海姆大学）
本研究针对将自然语言需求转化为GUI原型及GUI应用需求验证的两大挑战，提出基于预训练语言模型的自动化方法，可显著减少相关手动工作量。
2026-08-26 cs.SE
Automated Configuration Synthesis for Machine Learning Models: A git-Based Requirement and Architecture Management System
提出基于git的T-Reqs工具，利用架构描述从需求文本自动生成可追溯的AI系统运行时配置，兼顾功能与非功能需求并支持ML模型运行时优化。
2024-04-26 cs.SE
Automated Generating Natural Language Requirements based on Domain Ontology
软件需求规格说明对于整个软件生命周期无疑是至关重要的。如今，编写软件需求规格说明主要依赖于人类的工作。虽然已经提出了大量的研究，通过提出先进的启发和分析技术，以加快这一进程，它仍然是一个耗时和容易出错的任务，需要考虑到领域知识和业务信息。在本文中，我们提出了一种方法，命名为ReqGen，它可以提供建议，自动生成自然语言的需求规格说明的基础上，某些给定的关键字。具体来说，ReqGen包括三个关键步骤。首先，从领域本体中选择面向关键词的知识，并将其注入到基本的统一预训练语言模型（UniLM）中进行领域微调。其次，集成了复制机制，以确保关键字在生成的语句中出现。最后，设计了一种需求语法约束的解码方法，以缩小候选规范和参考规范之间的语义和语法距离。在两个来自不同领域和不同群体的公共数据集上的实验表明，ReqGen在关键词（短语）包含的硬约束、BLEU、ROUGE和语法遵从性方面优于六种流行的自然语言生成方法。我们相信ReqGen可以提高软件需求描述的效率和智能性。
2022-11-30 cs.SE
Enterprise Identity Integration for AI-Assisted Developer Services: Architecture, Implementation, and Case Study
本文提出了一种整合OAuth 2.0和OIDC的架构，用于在AI辅助开发者服务中实现企业身份集成，通过原型验证其可行性并评估相关风险。
2026-01-06 cs.CR cs.SE
Knowledge-Guided Multi-Agent Framework for Automated Requirements Development: A Vision
Chongqing University of Posts and Telecommunications（重庆邮电大学）；Peking University（北京大学）；Nanyang Technological University（南洋理工大学）
本文提出知识引导的多智能体框架KGMAF，通过设计六个专门化智能体和制品池实现自动化需求开发，弥补了现有SE系统忽视需求任务复杂性的空白，并展望了其在LLM时代的研究潜力。
2025-06-27 cs.AI cs.SE
Large Language Models for Analyzing Enterprise Architecture Debt in Unstructured Documentation
Stockholm University（斯德哥尔摩大学）；University of Twente（特温特大学）
本文提出利用大型语言模型自动检测企业架构异味，通过案例研究验证其在非结构化文档中的有效性，展示了LLM在企业架构治理中的应用潜力。
2026-03-29 cs.LG cs.SE
Characterizing machine learning process: A maturity framework
IBM Watson（IBM沃森）；IBM Almaden Research Center（IBM阿尔马登研究中心）
关于机器学习建模的学术文献未能解决如何使机器学习模型为企业工作。例如，现有的机器学习过程无法解决如何为AI应用程序定义业务用例，如何将业务需求从产品经理转换为数据科学家的数据需求，以及如何在准确性和公平性方面不断改进AI应用程序，以及如何根据行业，领域，并使用特定案例数据，使其在特定情况下更准确等。使人工智能为企业工作需要特殊的考虑因素、工具、方法和流程。在本文中，我们提出了一个成熟度框架的机器学习模型生命周期管理的企业。我们的框架是一个重新解释的软件能力成熟度模型（CMM）的机器学习模型开发过程。我们从构建大规模真实世界机器学习模型的个人经验中提出了一套最佳实践，以帮助组织实现更高的成熟度，而不依赖于他们的起点。
2018-11-12 cs.LG cs.SE
Towards an Automated Requirements-driven Development of Smart Cyber-Physical Systems
Charles University in Prague（布拉格查理大学）；Faculty of Mathematics and Physics（数学与物理学院）
自适应不变精化方法（IRM-SA）是一种针对智能信息物理系统（sCPS）开发的设计方法。它允许将系统需求系统地转换为表示为基于集成的组件系统（EBCS）的系统架构。然而，由于需求是使用自然语言捕获的，因此存在由于自然语言需求的模糊性而导致其被误解的危险，这最终可能导致设计错误。因此，需要设计过程的自动化和验证。在本文中，我们（i）分析自然语言的要求到IRM-SA模型的翻译过程，（ii）确定可以使用自然语言处理技术自动化和/或验证的各个步骤，（iii）提出合适的方法。
2016-03-29 cs.CL cs.SE
Enterprise Model Library for Business-IT-Alignment
Universität der Bundeswehr（联邦国防军大学）
世界的知识是通过图书馆传递的。因此，还应通过知识库在企业内传播领域专门知识和经验。因此，模型是描述复杂系统、过程和互连的良好实践的既定媒介。然而，对于企业模型库的设计，没有结构化的和详细的方法。本文的目标是建立一个具有重用功能的模型库的参考体系结构。它包括归档数据结构的设计、管理过程和使用可能性。我们的方法能够通过元数据属性将需求一致地映射到模型中。此外，还可以在特定用例中调整参考架构，以及协调相互关系。一个行业案例研究证明了重复使用已经完成的工作的实际好处。它为组织提供了系统地获取规范、标准和指南的途径。因此，进一步的开发以结构化的方式得到加速和支持，同时复杂性仍然可控。所提出的方法丰富了各种企业架构框架。它为基于模型的开发提供了好处。
2022-11-21 cs.CV cs.DL cs.SE
Beyond Prototyping: Autonomous, Enterprise-Grade Frontend Development from Pixel to Production via a Specialized Multi-Agent Framework
EdgeVerve Systems Limited（EdgeVerve系统有限公司）；Infosys Limited（Infosys有限公司）；Microsoft Corporation（微软公司）；BCT Digital（BCT数字）
AI4UI通过专用多智能体框架实现自主企业级前端开发，提升从像素到生产的效率与质量。
2025-12-05 cs.AI cs.SE
Fully Automated Generation of Combinatorial Optimisation Systems Using Large Language Models
本研究探讨了使用大型语言模型全自动生成组合优化系统的可行性，由LLM负责解释自然语言问题描述并实现特定软件组件，实验评估了多个概念验证生成器在四个优化问题上的性能。
2025-04-04 cs.PL cs.SE
From Regulation to Requirements: An Automated Requirement Derivation and Explanation Pipeline
Tata Consultancy Services（塔塔咨询公司）
针对法规合规性挑战，提出自动化管道，识别法规文档中条款并推导软件需求及解释。评估效果良好，还实现工具Reg2Req，用户研究表明可提升需求理解与行动信心。
2026-07-07 cs.AI cs.SE
Automated Alignment between Elicitation Interviews and Requirements
University of Bologna（博洛尼亚大学）
提出将访谈转录与用户故事需求自动对齐的任务，定义忠实度和覆盖率两个度量，利用大语言模型和嵌入模型实现自动评估，在四个数据集上达到0.86 macro-F1。
2026-06-09 cs.CL cs.SE
BitsAI-Fix: LLM-Driven Approach for Automated Lint Error Resolution in Practice
ByteDance（字节跳动）；Carnegie Mellon University（卡内基梅隆大学）；Zhejiang University（浙江大学）
针对企业代码库lint错误堆积问题，提出基于大语言模型的自动化修复工作流BitsAI-Fix，采用渐进式强化学习与规则奖励机制，在字节跳动部署中服务超5000名工程师，修复准确率约85%。
2025-08-05 cs.AI cs.LG cs.SE
Automated Requirements-Based Testing of Black-Box Reactive Systems
我们提出了一种新的方法来一致性测试的黑盒反应式系统。我们认为系统规范的线性时序逻辑公式，以生成测试的输入/输出对序列：输入提取的Buchi自动机对应的规格，并通过馈送输入到系统的输出。通过将输入/输出序列与自动机跟踪进行比较来检测是否违反规范，从而检查是否符合规范。我们认为提取测试和停止生成的几个标准，我们比较实验使用的覆盖率和错误检测指标。结果表明，该方法可以生成具有良好的系统覆盖率和错误检测能力的测试集。
2020-05-14 cs.LO cs.SE
Automated Formalization of Probabilistic Requirements from Structured Natural Language
KBR Inc.（KBR公司）；NASA Ames Research Center（美国国家航空航天局艾姆斯研究中心）；The University of Manchester（曼彻斯特大学）；University of York（约克大学）；RTX Technology Research Center（RTX技术研究中心）
本文提出了一种自动方法，将结构化自然语言中的概率性要求转换为概率时序逻辑公式，以提升自主和适应性系统的形式化分析效率与准确性。
2025-12-15 cs.FL cs.PL cs.SE
MLOps: A Step Forward to Enterprise Machine Learning
Liverpool John Moores University（利物浦约翰摩尔斯大学）
本文综述 MLOps 的关键技术、工作流与自动化成熟度，并通过企业级目标检测服务示例展示基于 TensorFlow 2 Model Zoo 的可扩展部署实践。
2023-05-27 cs.AI cs.CV cs.LG
Automated Generation of Test Models from Semi-Structured Requirements
Qualicen GmbH（奎利森有限公司）；TU Berlin（柏林工业大学）；Allianz Deutschland AG（德国安联股份公司）
基于模型的测试是一种自动生成测试用例的工具。它需要识别文档中的需求，从语法和语义上理解它们，然后将它们转换为测试模型。这些测试模型的一种轻量级语言是因果图（CEG），它可以用来导出测试用例。[问题：]测试模型的创建是费力的，我们缺乏一个自动化的解决方案，覆盖从需求检测到测试模型创建的整个过程。此外，大多数需求都是用自然语言（NL）表达的，很难自动转换为测试模型。[主要思想：]我们建立在这样一个事实上，即并非所有的NL需求都是非结构化的。我们发现，在我们的行业合作伙伴的需求文档中，有14%的行包含类似于业务规则的“伪代码”描述。我们应用机器学习来识别这种半结构化的需求描述，并提出了一种基于规则的方法，将其翻译成CEG。[贡献：]我们做了三个贡献：（1）自动检测文档中半结构化需求描述的算法，（2）将识别的需求自动翻译为CEG的算法，以及（3）一项研究表明，我们提出的解决方案可以节省86%的时间来创建测试模型，而不会损失质量。
2019-08-22 cs.IR cs.LG cs.SE
Resolving Java Code Repository Issues with iSWE Agent
IBM
本文提出iSWE代理，专注于Java问题解决，结合基于规则和模型的技术，提升企业软件开发效率。
2026-03-11 cs.AI cs.MA cs.SE
Analysis of Requirements for the Design of a Detector Control System in a High Energy Physics (HEP) Experiment
在这项工作中，使用的Rational统一过程（RUP）的建模设计的探测器控制系统（DCS）在高能物理（HEP）实验的建议。我们包括一个要考虑的要素和方面的广泛多样性和一般定义的需求分析的简要说明。还指定了这种类型的软件系统的设计，实施和操作中所涉及的主要参与者的特性，功能和非功能需求以及用例（UC）。为了描述这些需求，通过Enterprise Architect软件使用了统一建模语言（UML）的工具，如图表和表格用例。
2019-10-10 cs.SE hep-ex physics.ins-det
