Mining Software Repair Models for Reasoning on the Search Space of Automated Program Fixing
本文通过分析软件仓库中数以千计的错误修复事务来理解错误修复的本质。然后，它将这些学习到的知识放在自动程序修复的上下文中。我们给出了大量的经验结果，在大规模和细粒度的抽象语法树差异的性质，人类的错误修复。我们建立了数学推理的搜索空间的自动修复和时间，通过应用我们的方法对14个存储库的Java软件和89,993版本事务，我们表明，并非所有的概率修复模型是等价的。
2013-11-14 cs.SE
Automated Quantum Software Engineering: why? what? how?
本文提供了一个关于自动化量子软件工程（AQSE）研究的个人观点。它阐明了研究AQSE的动机（为什么？），对这样一个框架的精确描述（什么？），以及对实现它所需的组件的思考（如何实现？）。
2022-12-01 cs.ET cs.SE quant-ph
Modularity and Architecture of PLC-based Software for Automated Production Systems: An analysis in industrial companies
自适应和灵活的生产系统需要模块化和可重复使用的软件，特别是考虑到它们长达50年的长期生存周期。介绍了一种自动化生产系统软件成熟度度量方法SWMAT4aPS。该方法确定了各公司在自动化生产系统（aPS）设计中软件模块化解决方案的弱点和优点。首先，一个自我评估的问卷是用来评估大量的公司关于他们的软件成熟度。其次，我们分析了PLC的代码，建筑水平，工作流程和能力，自动配置代码的工程信息在四个选定的公司。在本文中，问卷调查结果，从16个德国世界领先的公司在机器和设备制造和四个案例研究验证的结果，从详细的分析，以证明该方法的适用性，并给出了一个调查的最先进的工业。
2022-12-07 cs.SE
MultiRefactor: Automated Refactoring To Improve Software Quality
本文提出了一种新的软件维护自动化方法。该工具能够执行26种不同的重构。它还包含大量的度量标准来衡量重构对软件的影响，以及六种不同的基于搜索的优化算法来改进软件。该工具包含用于软件改进的单目标和多目标搜索技术，并完全自动化。本文介绍了该工具的各种功能，它的独特之处，并提出了一些实验研究结果。在五个不同的代码库中对各个指标进行测试，以推断出最有效的质量改进指标。发现与代码的更具体元素相关的度量对于驱动搜索中的变化更有用。单目标的遗传算法也测试对多目标算法，看看如何比较所获得的结果与三个单独的目标。当比较每个目标的最佳解决方案时，多目标方法可以在更短的时间内产生适当的质量改进，从而实现快速的维护周期。
2017-10-16 cs.SE
Factors Influencing Performance of Students in Software Automated Test Tools Course
本研究通过分析社区学院软件测试研究生课程的学生数据，利用机器学习算法构建预测模型，发现逻辑回归模型准确率达90%，并识别出影响学生表现的关键因素。
2024-05-31 cs.SE
Towards Automated Governance: A DSL for Human-Agent Collaboration in Software Projects
University of Luxembourg（卢森堡大学）；Luxembourg Institute of Science and Technology（卢森堡科学与技术研究所）
本文提出一种领域特定语言（DSL），用于定义和强制执行涉及人类与AI智能体的软件项目中的治理政策，旨在实现更健壮、可适应且自动化的治理，以促进开源软件等项目的有效协作。
2025-10-16 cs.SE
Software publications with rich metadata: state of the art, automated workflows and HERMES concept
为了满足FAIR软件、软件可持续性和软件引用的原则，研究软件必须正式出版。发布存储库使这成为可能，并为发布的软件版本提供唯一和持久的标识符。然而，软件发布仍然是一个繁琐的，主要是手工的过程。为了简化软件出版，由亥姆霍兹元数据协作组织资助的项目HERMES开发了自动化工作流程，以出版具有丰富元数据的研究软件。该项目开发的工具利用持续集成解决方案来检索、整理和处理源存储库中的现有元数据，并将其发布到发布存储库中，包括检查现有元数据需求。为了配合工具并使研究人员能够轻松地重用它，该项目还为广泛使用的CI解决方案提供了全面的文档和模板。在本文中，我们概述了这些工作流程的概念，并描述了我们的解决方案如何推进研究软件出版的最新技术水平。
2022-01-22 cs.DL cs.SE
A Survey on Automated Log Analysis for Reliability Engineering
日志是由软件源代码中的日志语句生成的半结构化文本。近几十年来，软件日志在许多软件系统的可靠性保证机制中已变得必不可少，因为它们通常是记录软件运行时信息的唯一可用数据。随着现代软件向大规模发展，日志的数量迅速增加。为了使现代软件日志在可靠性工程中的有效和高效的使用，已经进行了一些研究自动日志分析。本调查详细介绍了自动日志分析研究的概况，包括如何自动化和辅助日志语句的编写，如何压缩日志，如何将日志解析为结构化事件模板，以及如何使用日志来检测异常，预测故障和促进诊断。此外，我们还调查了发布开源工具包和数据集的工作。基于对最新进展的讨论，我们提出了几个有前途的未来方向，现实世界和下一代自动日志分析。
2021-06-01 cs.SE
Automated and manual testing as part of the research software development process of RCE
研究软件通常由个人研究人员或小型团队在研究工作的同时开发。越多的人和研究项目依赖于有问题的软件，软件更新正确实现新功能并且不引入回归就越重要。因此，研究软件的开发人员必须在实现新功能和彻底测试任何代码更改之间平衡他们有限的资源。我们提出的过程中，我们使用的开发分布式集成框架RCE在DLR。这些过程旨在在自动化和手动测试之间取得平衡，减少测试开销，同时尽早解决问题。我们还简要描述了这些测试过程如何与周围的开发和发布过程集成。
2022-04-12 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
Adaptive Automation: Leveraging Machine Learning to Support Uninterrupted Automated Testing of Software Applications
使用自动化软件工具检查软件应用程序的适用性已成为大多数组织的一个重要因素，无论他们是生产内部软件还是简单地定制现成的软件应用程序供内部使用。随着软件解决方案变得越来越复杂，行业越来越依赖于软件自动化工具，但可用软件自动化工具的脆弱性限制了它们的有效性。公司在获得和实现自动化软件方面投入了大量资金，但当维护有效的自动化测试套件的成本超过手动测试所花费的成本和时间时，大多数工具都无法交付。当前一代软件自动化工具的一个缺点是，它们不能在没有频繁（和时间昂贵）的手动干预的情况下适应意外的修改和障碍。这些问题在行业从业者中是公认的，但目前这一代工具都没有利用机器学习和人工智能的进步来解决这些问题。本文提出了一个框架解决方案，利用机器学习的概念，即模糊匹配和错误恢复。建议的解决方案应用自适应技术来从意外的障碍中恢复，否则这些障碍会阻止脚本继续执行。恢复细节在报告中呈现给用户，可以分析该报告以确定恢复程序是否可接受，并且框架将根据用户的决定调整未来的运行。使用这个框架，从业者可以在没有人为干预的情况下运行自动化套装，同时最大限度地降低了时间表延迟的风险。
2015-08-04 cs.SE
A Review on the Process of Automated Software Testing
对自动化、数字化和快速计算的需求使IT部门对高度可靠、高效和经济高效的软件寄予厚望。考虑到软件产品的测试、验证和确认过程消耗了总收入的50-75%，如果测试过程是无效的，则必须投入“n”倍的支出来修复所造成的破坏。项目完成的延迟通常归因于测试阶段，因为调试过程有许多周期。软件测试过程确定向用户发布的产品的外观。它设定了公司产品的标准和可靠性。随着复杂性的增加，测试变得越来越激烈，以便检查所有的离群值和处理流程的各个分支。测试过程是自动化的，使用软件工具，以避免繁琐的手动过程中的测试输入生成和验证标准，这证明程序只有在一定的置信水平，在存在离群值。
2022-09-07 cs.SE
Proceedings First Latin American Workshop on Formal Methods
软件开发的形式化方法是旨在通过使用符号、分析过程等来开发高质量软件的技术，基于数学基础。虽然传统上他们的目标是提高软件的正确性，形式化技术已被应用到软件质量的其他方面。此外，虽然最初的正式方法采用复杂的“重量级”的分析机制（通常是手动或半自动），已经取得了进展，拥抱“轻量级”，很多时候完全自动化，分析技术，扩大了正式方法在各种软件工程上下文中的采用。拉丁美洲正式方法研讨会汇集了正式方法以及自动分析等相关领域的研究人员。特别是，讲习班为在这些领域工作的拉丁美洲研究人员提供了一个场所，以促进他们的互动与合作。该讲习班于8月举行，是CONCUR 2013年的附属活动。它发生在布宜诺斯艾利斯，阿根廷的首都和最大的城市，也是南美洲最有趣的文化场所之一。
2014-01-02 cs.LO cs.SE
Automated Software Testing Using Metahurestic Technique Based on An Ant Colony Optimization
软件测试是软件开发生存周期中重要而有价值的一部分。由于时间，成本和其他情况，详尽的测试是不可行的，这就是为什么有必要自动化的软件测试过程。状态转换测试（STT）是实时的、嵌入式的、基于Web的软件系统中常用的测试方法。本文的目的是提出一种算法，通过应用蚁群优化技术，生成最佳和最小的测试序列的行为规格说明的软件。本文提出的方法生成测试序列，以获得完整的软件覆盖率。本文还讨论了基于转换的测试的两种元启发式技术（遗传算法和蚁群优化）之间的比较
2011-06-14 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
Automated Performance Tuning for Highly-Configurable Software Systems
性能是软件需求的一个重要的非功能方面。现代软件系统是高度可配置的，错误的配置很容易导致性能问题。遭受性能问题的软件系统可能表现出低程序吞吐量和长响应时间。但是，配置空间的庞大规模使得管理员很难手动选择和调整配置选项以实现更好的性能。在本文中，我们提出了ConfRL，一种自动调整软件性能的方法。ConfRL的核心思想是使用强化学习通过试错法探索配置空间，并使用从环境接收的反馈来调整配置选项值以实现更好的性能。为了降低强化学习的成本，ConfRL采用了采样、聚类和动态状态简化技术，以保持大型配置空间中的状态可管理。我们对四个真实世界的高配置服务器程序的评估表明，ConfRL可以有效地指导软件系统实现更高的长期性能。
2020-10-03 cs.SE
Software Framework for Testing of Automated Driving Systems in a Dynamic Traffic Environment
自动驾驶系统（ADS）的虚拟测试已成为所有自动化水平测试程序的重要组成部分。由于自动化水平3及以上的ADS非常复杂，因此对此类系统进行虚拟测试是不可避免的。这些层次的复杂性在于对虚拟环境的建模和计算需求，虚拟环境包括道路、交通、静态和动态对象以及汽车本身的建模。对于ADS的安全性和性能分析，最重要的部分是道路交通参与者的建模和考虑。有多种交通流仿真软件（TFSS）用于再现真实的交通行为，并直接或通过接口与车辆仿真软件（VSS）集成。对于这些软件环境，以定义的方式操纵交通参与者的可能性是有益的，例如在被测车辆附近或实现用于交通车辆的定义的驾驶员模型。在本文中，我们提出了一个软件框架的基础上提供的外部驱动程序模型接口的Vissim。这个框架使得它可以很容易地操纵交通参与者的ADS测试的目的。
2021-03-24 cs.SE
ARTENOLIS: Automated Reproducibility and Testing Environment for Licensed Software
动机：自动测试代码变更是持续集成的一个基本特性。对于开源代码，没有许可的依赖关系，存在各种持续集成服务。基于约束的重建和分析（COBRA）是一套用于计算建模的开源代码，依赖于许可软件。一个新的自动化框架的持续集成在半许可证的环境中需要开发的COBRA社区和相关工具的COBRA。结果如下：ARTENOLIS是一个通用的基础设施软件应用程序，它实现了开源软件与许可依赖项的持续集成。它使用主从框架，在多个操作系统和多个版本的许可软件依赖项上测试代码。ARTENOLIS确保COBRA工具和相关工具中代码的稳定性、完整性和跨平台兼容性。可用性和实施：可通过artenolis.lcsb.uni.lu免费访问持续集成服务器，该服务器是再现性和测试基础设施的核心。持续集成框架代码位于/.ci目录中，位于存储库的根目录下，可在github.com/opencobra/cobratoolbox上免费获得。
2017-12-01 cs.SE
Towards Automated Data Integration in Software Analytics
软件组织希望能够根据最新的可用数据集以及从中获得的实时分析做出决策。为了支持软件组织的“实时企业”，并为不同的利益相关者提供信息透明性，我们整合了关于软件分析的异构数据源，如静态代码分析、测试结果、问题跟踪系统、网络监控系统等，以处理底层数据源的异构性，我们在本文中遵循基于本体的数据集成方法，并定义了一个本体，该本体捕获用于软件分析的相关数据的语义。此外，我们专注于这样的数据源的集成，提出了两种方法：静态和动态的。我们首先讨论了当前的静态方法与一组预定义的分析视图表示软件质量因素，并进一步设想如何将此过程自动化，以动态构建自定义用户分析使用半自动平台管理的分析基础设施的生命周期。
2018-08-16 cs.SE
Genetic Micro-Programs for Automated Software Testing with Large Path Coverage
University of Pretoria（比勒陀利亚大学）
计算智能（CI）的不断发展导致人们越来越希望应用CI技术来改进软件工程过程，特别是软件测试。现有的最先进的自动化软件测试技术集中于利用搜索算法来发现实现高执行路径覆盖的输入值。这些算法是在他们打算测试的相同代码上训练的，需要仪器和漫长的搜索时间来测试每个软件组件。本文概述了一种新的遗传编程框架，进化的解决方案是不是输入值，但微程序，可以重复生成输入值，有效地探索一个软件组件的输入参数域。我们还认为，我们的方法可以推广，如适用于许多不同的软件系统，并因此不具体到仅仅是特定的软件组件上，它是训练。
2023-02-14 cs.AI cs.NE cs.SE
TestLab: An Intelligent Automated Software Testing Framework
Research Group on Intelligent Engineering and Computing for Advanced Innovation and Development (GECAD)（高级创新与发展智能工程与计算研究组（GECAD））；Porto School of Engineering (ISEP)（波尔图工程学院（ISEP））
本文提出智能自动化软件测试框架 TestLab，利用 AI 集成三类模块，从不同视角发现漏洞并基于源代码分析自动生成测试用例，以支持多层级持续测试。
2023-06-06 cs.AI cs.SE
RANalyzer: Automated Continuous RAN Software Evaluation and Regression Analysis
Northeastern University（东北大学）
本文提出RANalyzer框架，通过结合LLM语义提取与残差分析，量化软件更新对性能的影响，利用大规模测试数据识别代码变更导致的性能退化并实现自动化评估。
2026-04-25 cs.NI cs.SE
Automated Extraction and Analysis of Developer's Rationale in Open Source Software
本研究基于Kantara架构实例化，结合预训练模型与大语言模型提出开源软件开发者设计理由的自动化提取分析方法，可检测推理冲突与设计退化问题，经Linux内核OOM-Killer模块及五个高活项目验证具备可行性与泛化潜力，助力开发者规避变更冲突。
2025-04-22 cs.SE
TUM Teleoperation: Open Source Software for Remote Driving and Assistance of Automated Vehicles
Institute of Automotive Technology Technical University of Munich（汽车技术研究所慕尼黑技术大学）
针对现有开源软件无法同时结合自动驾驶车辆远程驾驶与远程辅助及实车测试的空白，提出一种模块化开源远程操作软件栈，支持与Autoware等自动驾驶软件交互及多平台集成，并在仿真和真实环境中验证了其延迟与性能。
2025-06-16 cs.HC cs.RO cs.SE
Prompts Matter: Insights and Strategies for Prompt Engineering in Automated Software Traceability
本文探讨了自动化软件可追溯性中的提示工程，提出了构建有效提示的方法与利用LLM生成可追溯性链接的多种策略，改进了零样本方法在候选链接排序上的表现，旨在启发未来研究。
2023-08-01 cs.SE
A Comprehensive Survey of Benchmarks for Automated Improvement of Software's Non-Functional Properties
针对软件非功能属性自动改进缺乏标准基准的问题，本调查系统梳理了386篇相关论文，发现执行时间最受关注（62%），多目标改进罕见（5%），并提供了基准选择建议，以促进该领域研究。
2022-12-16 cs.SE
Integrating Threat Modeling and Automated Test Case Generation into Industrialized Software Security Testing
工业物联网（IIoT）应用为推动工业生产效率的提高提供了一系列全新的可能性。然而，随着系统之间的高度集成，后者面临着过多的新威胁，因为它们尚未被设计为广泛可达和互操作。为了缓解这些大量的新威胁，系统化和自动化的测试方法是必要的。这种全面性可以通过彻底的威胁建模来实现。为了自动化安全测试，我们提出了一种方法，自动化的测试过程中，从威胁建模向前，关闭之间的差距威胁建模和自动化测试用例生成。
2019-11-15 cs.CR cs.SE
Automated System-Level Software Testing of Industrial Networked Embedded Systems
嵌入式系统无处不在，在工业和交通管理系统中发挥着关键作用。这些领域中的软件故障可能导致生产损失甚至生命损失，因此这些系统中的软件需要可靠。软件测试是嵌入式软件质量保证的标准方法，许多软件开发过程都在努力实现测试自动化。在成功的软件测试自动化所面临的众多挑战中，本文解决了五个问题：（i）了解更新的软件如何到达测试环境，测试如何在测试环境中进行，以及测试结果如何到达最初更新软件的开发人员;（ii）在给定的可用时间和测试系统的约束下，选择哪些测试用例在测试套件中执行;（iii）假定测试用例在连接的设备的不同配置上运行，则选择哪个硬件用于要执行的每个测试用例;（iv）分析当随时间在演进的软件、测试件或硬件修订版上执行时看起来随机失败的测试用例;以及（v）利用测试结果探索和可视化使测试结果信息可操作。应对这些挑战的方式有几种。[摘要被截断。]
2021-11-16 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
Classification of automatic software build methods
从源代码和其他组件（如库、数据库文件等）创建工作软件的过程。被称为“软件构建”。除了链接和编译，它还可以包括其他步骤，如自动化测试，静态代码分析，文档生成，部署等。所有这些步骤都可以使用某种类型的构建描述（例如脚本）来自动化。本文对自动软件构建过程进行了分类，从构建脚本开始，一直到各种类型的持续集成。
2013-05-21 cs.SE
Automated Testing of the GUI of a Real-Life Engineering Software using Large Language Models
本文提出GERALLT系统，利用大型语言模型自动测试真实工程软件GUI，生成潜在不直观和不一致界面问题列表，经真实用例评估，能有效支持软件开发团队。
2025-05-23 cs.SE
Automated Test Case Generation using Petri Nets
软件测试是确定软件系统的精度、质量、完整性和安全性的过程。软件测试的一个重要步骤是测试用例的生成，测试用例的质量对测试的时间和成本起着至关重要的作用。在这项研究中，它表明，结构和行为图可以用来表示规格在一个单一的模型，使用高级Petri网（HLPN）。本文研究了基于Petri网的测试模型自动生成问题。此外，从非形式化模型（UML）生成一致的形式化模型（HLPN）是本研究的重点。
2015-09-28 cs.SE
SmartUnit: Empirical Evaluations for Automated Unit Testing of Embedded Software in Industry
在本文中，我们针对嵌入式软件的自动化单元覆盖率为基础的测试。为了实现这一目标，通过分析工业需求和我们以前在自动化单元测试工具CAUT上的工作，我们重新构建了一个新的工具SmartUnit，以解决我们合作伙伴公司的工程需求。SmartUnit是一个动态符号执行实现，支持语句、分支、边界值和MC/DC覆盖。SmartUnit已经在实际项目中测试了超过一百万行代码。出于保密动机，我们选择了三个内部真实项目进行实证评估。我们还对两个开源数据库项目SQLite和PostgreSQL进行了评估，以测试我们的工具的可扩展性，因为嵌入式软件项目的规模大多不大，平均只有5 K-50 K行代码。从我们的实验结果来看，一般来说，商业嵌入式软件中90%以上的函数实现了100%的语句、分支、MC/DC覆盖，SQLite中80%以上的函数实现了100%的MC/DC覆盖，PostgreSQL中60%以上的函数实现了100%的MC/DC覆盖。此外，SmartUnit能够在单元测试级别找到运行时异常。我们还报告了SQLite中的异常，如数组索引越界和被零除。此外，我们还分析了自动化单元测试覆盖率低的原因，并对工业上手工单元测试相对于自动化单元测试的情况进行了调查。
2018-06-17 cs.SE
Toward Scalable Automated Repository-Level Datasets for Software Vulnerability Detection
本文提出自动化生成仓库级数据集的方法，通过注入真实漏洞并合成可复现的漏洞证明，提升漏洞检测模型的训练与评估效果，同时研究注入与检测代理的对抗共进化循环以增强鲁棒性。
2026-03-18 cs.AI cs.SE
Harmonica: A Framework for Semi-automated Design and Implementation of Blockchain Applications
设计基于区块链的应用程序是一项繁琐的任务。与传统的软件工程相比，软件架构师不能依赖以前的经验或经过验证的实践，这些经验或实践通常被形式化为软件模式。此外，在没有深入了解该技术的情况下，选择适当的区块链技术是困难的。本文介绍了Harmonica，这是一个用于设计和实现基于区块链的应用程序的框架。该框架分为三个部分：一个决策引擎，用于根据需求推荐区块链技术和基于区块链的软件模式;一个配置器，用于生成代码存根和配置文件;以及一个知识库，用于支持这些工具。
2022-01-17 cs.SE
Development of Automated Software Design Document Review Methods Using Large Language Models
本研究利用大型语言模型自动化软件设计文档审查，整理11个审查视角，开发新技术处理表格数据，并通过GPT实验验证能有效识别文档间不一致。
2025-09-12 cs.SE
Automated Inference of Software Library Usage Patterns
现代软件系统越来越依赖于第三方库。人们普遍认为，使用成熟且经过良好测试的第三方库可以提高开发人员的生产力，缩短上市时间，并生产出更可靠的软件。今天的开放源代码库提供了广泛的库，可以免费下载和使用。然而，由于软件库是单独记录的，但打算一起使用，开发人员不太可能充分利用这些重用机会。在本文中，我们提出了一种新的方法来自动识别第三方库的使用模式，即，开发人员通常一起使用的库集合。我们的方法采用层次聚类技术组在一起的软件库外部客户端使用的基础上。为了评估我们的方法，我们从Maven Central Repository中挖掘了超过6,000个流行库，并调查了Github存储库中超过38,000个客户端系统的使用情况。我们的实验表明，我们的技术是能够检测到大多数（77%）的高度一致和凝聚力的图书馆使用模式在相当数量的客户端系统。
2016-12-06 cs.SE
Knowledge-Based Multi-Agent Framework for Automated Software Architecture Design
本文提出基于知识的多智能体架构设计（MAAD）框架，利用LLM智能体模拟人类角色，整合系统设计、文献和专家知识，以自动化软件架构设计，推动应用级系统开发的全自动化。
2025-03-26 cs.SE
Toward Automated Virtual Electronic Control Unit (ECU) Twins for Shift-Left Automotive Software Testing
University of Applied Sciences Esslingen（埃斯林根应用科技大学）；NUVUS GmbH（NUVUS有限公司）
本研究提出一种自动化虚拟ECU双胞胎方法，通过代理驱动的工作流和反馈机制，实现早期软件测试和集成，提升测试的可重复性和安全性。
2026-02-20 cs.SE
Toward Automated Security Risk Detection in Large Software Using Call Graph Analysis
University of North Texas（北德克萨斯大学）；Red Hat（红帽）
针对人工威胁建模效率低易出错的问题，提出基于调用图聚类（密度算法+社区检测）的自动化威胁建模方法，经SFO案例验证可行，为云原生环境的可扩展半自动化威胁建模框架提供支撑。
2025-10-30 cs.CR cs.SE
A Lean and Highly-automated Model-Based Software Development Process Based on DO-178C/DO-331
城市空中交通和无人机系统全球市场的出现吸引了世界各地的许多初创公司。这些组织在民用航空用于开发软件和电子硬件的传统程序方面几乎没有受过培训或经验。它们也受到资源的限制，无法分配给专门的专业人员小组，以遵循这些标准化程序。为了填补这一空白，本文提出了一个自定义的工作流程的基础上的一个子集的目标来自安全关键软件的基础标准DO-178 C/DO-331。从标准中选择目标是基于特定目标的重要性、自动化程度和可重用性。这种自定义工作流程旨在建立一个精益和高度自动化的开发生存周期，从而为研究和原型飞机提供具有更好可维护性的更高质量软件。它也可以作为某些应用软件的合规手段，如无人驾驶飞机系统，城市空中交通和通用航空。通过生成一组基本的开发和验证工件，自定义工作流程还为未来符合DO-178 C/DO-331的潜在认证提供了可扩展的基础。自定义的工作流程中演示了一个自动驾驶仪手动断开系统的案例研究。
2020-10-13 cs.SE
On the Benefit of Automated Static Analysis for Small and Medium-Sized Software Enterprises
当今软件行业的中小企业面临着重大挑战。在使用有限资源高效工作的同时，他们必须对代码进行质量保证，以避免进一步修复错误或补偿的风险。自动化的静态分析可以降低这种风险，因为它保证运行分析的工作量很小。我们报告我们的经验，分析五个项目，并与中小企业通过三种不同的静态分析技术：代码克隆检测，错误模式检测和架构一致性分析。我们发现，引入这些技术所需的工作量很小（大部分低于一个人小时），我们可以检测到生产代码中的各种缺陷，并且参与公司认为所提出的技术的有用性以及我们的分析结果足够高，可以将这些技术纳入其质量保证。
2016-11-22 cs.SE
Automated Quantum Software and AI Engineering
University of Colorado Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校）
本文系统回顾了量子软件工程和量子人工智能中半自动化方法的发展，探讨了自动化在提升量子和混合量子-经典应用效率中的作用及未来方向。
2026-04-21 cs.SE
Enhancing Software Development Process Using Automated Adaptation of Object Ensembles
软件开发一直在快速变化。这个开发过程可以通过改变开发人员友好的方法来影响。在软件开发过程中，如果能够自动引导程序员，可以节省开发时间，加快开发速度。有一些方法可以向开发人员推荐相关的代码片段和API项。一些方法应用通用代码、搜索技术，而一些方法使用基于在线存储库的挖掘策略。但是，当程序员需要解决特定的类型转换问题时，很难帮助他们。更具体地说，当他们想要根据他们的期望调整现有的接口时。在这种情况下，指导开发人员的一个常见的成功是通过对象集成的自动适应来适应集合和数组。但是，它如何帮助一个新手在实时的软件开发，没有明确规定？在本文中，我们已经开发了一个系统，作为一个插件工具集成到一个特定的数据采掘集成环境（DMIE）推荐相关的接口，而他们寻求一个类型转换的情况。我们有一个挖掘的存储库，其中包含相应的适配器类和相关的API，开发人员可以从其中搜索他们的查询，并使用相关的Transformer类获得结果。推荐开发人员的系统名为自动化目标集成（AOE插件）。从我们曾经做过的调查中，我们可以看到我们的方法比现有的一些方法要好得多。
2020-05-07 cs.SE
A Data-to-Product Multimodal Conceptual Framework to Achieve Automated Software Evolution for Context-rich Intelligent Applications
Charleston Southern University（查尔斯顿南方大学）
针对上下文丰富智能应用，提出一个从数据到产品的多模态概念框架，并开发3S模型以促进自动化软件演进，为实践提供指南。
2024-10-09 cs.AI cs.SE
Re-Imagining Performance Reviews: Automated Dashboards for Continuous Visibility of Engineers Performance
传统的绩效评估方法不适合敏捷快节奏的软件公司。自从早期采用敏捷方法以来，这已经在软件行业中实现了。尽管如此，软件公司仍然在努力寻找一种实用的解决方案，以适应其团队的高度动态特性。特别是，高增长的公司，规模扩大，需要在如何处理绩效评估方面具有创造性。在这次演讲中，我们将介绍自动化的评审仪表板，以支持无缝的评估过程和软件工程师绩效的持续可见性。拟议的仪表板利用现有增长框架的结构，同时自动汇总相关的定性和定量业绩指标。我们反思了在Robusta（一家中型软件扩展公司）使用仪表板的经验。仪表板使一个由四名经理组成的团队能够向56名工程师提供及时的反馈，并为持续的可见性奠定基础。我们从不同利益相关者的角度探讨了仪表板的设计、可定制的指标和整体审查体验。最后，我们总结了经验教训，并为面临同样挑战的规模扩大提出了实用建议。
2021-03-08 cs.SE
Unit Testing Challenges with Automated Marking
针对软件测试教学困难，本文通过EdStem平台引入带自动化评分的在线单元测试挑战，调查显示其能提升学生参与度、理解力与学习进度，是有效的教学实践。
2023-10-10 cs.SE
Assessing the Robustness of LLM-based NLP Software via Automated Testing
本文提出首个面向基于 LLM 的 NLP 软件整体输入的自动化鲁棒性测试框架 AORTA，并用自适应束宽与回溯的 ABS 提升测试效率、自然性和可迁移性。
2025-03-17 cs.SE
Explainable Software Bot Contributions: Case Study of Automated Bug Fixes
在软件项目中，特别是在开源项目中，贡献是对项目所做的有价值的工作：编写代码，报告错误，翻译，改进文档，创建图形等。我们现在正处于一个激动人心的时代的开始，软件机器人将做出与人类相似的贡献。没有解释的枯燥贡献经常被忽视或拒绝，因为贡献本身是不可理解的，因为它们没有放在更大的背景中，因为它们不是基于核心开发人员社区共享的习惯用法。我们已经运行了一个名为Repairnator的程序修复机器人2年，并注意到“干补丁”的问题：一个补丁没有说它修复了哪个bug，或者没有解释补丁对系统的影响。我们设想程序修复系统，产生一个“可解释的错误修复”：一个集成的包，至少1）补丁，2）它的解释在自然或控制的语言，和3）突出的行为差异与例子。在本文中，我们概括并建议软件机器人的贡献必须是可解释的，必须将它们置于全球软件开发对话的背景下。
2019-05-07 cs.SE
Automated Personnel Selection for Software Engineers Using LLM-Based Profile Evaluation
本研究构建了包含软件工程师多维度简历信息的新数据集，微调多种Transformer模型实现自动化人员选拔，其中RoBERTa准确率达85%，为招聘流程优化提供了可扩展的技术方案。
2024-11-03 cs.SE
AutoEmpirical: LLM-Based Automated Research for Empirical Software Fault Analysis
Singapore Management University（新加坡国立管理学院）；Xi'an Jiaotong University（西安交通大学）；Nanyang Technological University（南洋理工大学）；Tianjin University（天津大学）
针对传统软件故障分析人力成本高、周期长的瓶颈，该研究将实证故障研究拆分为三阶段，用3829个故障验证了LLM可将分析周期从数周缩短至约2小时，并提出后续研究方向。
2025-10-06 cs.AI cs.SE
Constrained Adversarial Learning for Automated Software Testing: a literature review
ISep
本综述梳理了应用于对抗学习与软件测试的约束数据生成方法研究现状，体系化分析不同测试场景方法的优劣势，为用对抗测试优化测试工具、提升系统鲁棒性提供指导。
2025-05-19 cs.LG cs.SE
SUS-Lib: An automated tool for usability evaluation based on the Software Usability Scale from user feedback
本文提出开源工具 SUS-Lib，可基于用户反馈自动计算 SUS 分数并生成图形，具有低门槛、低资源和高通用性的特点。
2024-10-24 cs.DL cs.SE
Evaluating Software Plagiarism Detection in the Age of AI: Automated Obfuscation and Lessons for Academic Integrity
本研究评估了防御机制对算法及AI生成混淆攻击的鲁棒性，通过超四百万次程序比较，证明其显著提升抄袭检测，并讨论了学术诚信影响。
2025-05-26 cs.SE
