Automated Detection, Categorisation and Developers' Experience with the Violations of Honesty in Mobile Apps
诚实、社会责任、公平、隐私等人类价值观是个人和社会认为重要的东西。软件系统，包括移动软件应用程序（app），可能会忽视或违反这些价值观，从而以各种方式对个人和社会产生负面影响。虽然有些作品已经调查了不同方面的人的价值观在软件工程，这种混合方法的研究集中在诚实作为一个关键的人的价值。特别是，我们研究了（i）如何检测移动应用程序中的诚实违规行为，（ii）移动应用程序中诚实违规行为的类型，以及（iii）应用程序开发人员对这些检测到的诚实违规行为的看法。我们首先开发和评估7个机器学习（ML）模型，以从最终用户的角度自动检测应用评论中违反诚实价值的行为。最有前途的是深度神经网络模型，F1得分为0.921。然后，我们对401条包含诚实违规行为的评论进行了手动分析，并将移动应用程序中的诚实违规行为分为10类：不公平的取消和退款政策;虚假广告;欺骗性订阅;作弊系统;不准确的信息;不公平的费用;没有服务;删除评论;冒充;和欺诈性外观应用程序。一项针对移动开发人员的开发人员调查和访谈研究确定了移动应用程序中违反诚信的7个关键原因，以及避免或修复此类违规行为的8种策略。我们的开发人员研究结果还阐明了违反诚信可能给企业、开发人员和用户带来的负面后果。最后，应用程序开发人员的反馈表明，我们的基于ML的原型模型在实践中可以带来很大的好处。
2022-11-14 cs.SE
GDPR-Relevant Privacy Concerns in Mobile Apps Research: A Systematic Literature Review
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）
该研究对60项主要研究进行系统文献综述，旨在全面概述移动应用中与GDPR相关的隐私问题。现有研究主要关注直接收集个人数据、与外部实体共享数据及用户同意分析，研究还发现了间接收集数据等方面的研究差距。
2026-10-01 cs.SE
Towards the Datasets Used in Requirements Engineering of Mobile Apps: Preliminary Findings from a Systematic Mapping Study
本研究通过系统性映射研究分析43篇相关论文，梳理了移动应用需求工程领域数据集的来源平台与对应研究的RE活动现状，指出数据源集中等问题并提出拓展方向。
2025-09-01 cs.SE
DinoDroid: Testing Android Apps Using Deep Q-Networks
对移动设备的大量需求引起了对移动应用程序（app）质量的重大关注。开发人员需要在向市场发布之前保证移动应用程序的质量。有许多方法使用不同的策略来测试移动应用程序的GUI。然而，由于其有限的有效性，它们仍然需要改进。在本文中，我们提出了DinoDroid，这是一种基于深度Q网络的方法，可以自动测试Android应用程序。DinoDroid从一组现有的应用程序中学习行为模型，学习的模型可用于探索和生成新应用程序的测试。DinoDroid能够捕获GUI事件的细粒度细节（例如，GUI小部件的内容），并将其用作输入深度神经网络的特征，深度神经网络充当引导应用探索的代理。DinoDroid在探索过程中自动适应学习的模型，而不需要任何建模策略或预定义的规则。我们对64个开源Android应用程序进行了实验。测试结果表明，DinoDroid在代码覆盖率和bug检测方面优于现有的Android测试工具。
2022-10-12 cs.SE
Energy-Saving Strategies for Mobile Web Apps and their Measurement: Results from a Decade of Research
本文通过系统性文献综述分析44项研究，梳理移动 Web 应用的能耗来源、节能实验方法及节能策略分类。
2023-04-27 cs.SE
Domain-Specific Modeling and Code Generation for Cross-Platform Multi-Device Mobile Apps
如今，移动设备构成了最常见的计算设备。这种新的计算模式带来了硬件和软件供应商之间的激烈竞争，这些供应商不断向市场推出越来越强大的移动设备和创新的操作系统。因此，跨平台和多设备开发已成为希望接触尽可能广泛的受众的软件公司的优先事项。然而，为多个平台开发应用程序意味着高成本和技术复杂性。目前，有几个框架允许跨平台应用程序开发。然而，这些方法仍然需要手动编程。我的研究提出了面对移动革命的挑战，利用抽象，建模和代码生成，在模型驱动工程的现代范式的精神。
2015-09-10 cs.SE
Detecting and Summarizing GUI Changes in Evolving Mobile Apps
近年来，移动应用程序已成为一个流行的软件开发领域，部分原因是庞大的用户群，强大的硬件和可访问的平台。然而，移动开发人员也面临着独特的挑战，包括频繁发布以跟上快速平台演进、硬件迭代和用户反馈的压力。由于这种快速的发展步伐，开发人员需要自动化的支持来记录对他们的应用程序所做的更改，以帮助程序理解。对移动应用程序中的文档进行更改的最具挑战性的类型之一是对图形用户界面（GUI）进行的更改，这是由于其抽象的、基于像素的表示。在本文中，我们提出了一种完全自动化的方法，称为GCAT，用于检测和总结移动应用程序发展过程中的GUI变化。GCAT利用计算机视觉技术和自然语言生成，准确、简洁地总结移动应用GUI在连续提交或发布之间所做的更改。我们评估我们的方法的性能，在检测GUI的变化相比，开发人员指定的变化，其精度和召回，并调查在受控的用户研究中生成的更改报告的实用程序。我们的研究结果表明，GCAT能够准确地检测和分类GUI的变化-优于开发人员-同时提供有用的文档。
2018-09-04 cs.SE
To the Attention of Mobile Software Developers: Guess What, Test your App!
软件测试是软件开发生命周期中的一个重要阶段，因为它有助于在软件系统交付给最终用户之前识别软件系统中的错误。有许多关于开发人员如何测试通用软件应用程序的研究。然而，移动软件应用程序的特性将移动应用程序与通用系统（例如，桌面、独立应用程序、Web服务）。本文研究了移动软件开发人员在测试方面的工作习惯和挑战。我们使用1000个Android应用程序进行了详尽的研究，其中一个关键发现表明，移动应用程序仍然以非常特殊的方式进行测试，如果进行测试的话。然而，我们表明，与其他类型的软件一样，测试提高了应用程序的质量（在用户评分和代码问题数量中得到证明）。此外，我们发现有证据表明，在吸引社区为移动开源软件做出贡献时，测试至关重要。我们讨论的原因和潜在的方向，以解决我们的研究结果。我们研究的另一个相关发现是，持续集成和持续部署（CI/CD）管道在移动应用程序世界中很少见（只有26%的应用程序是在使用CI/CD的项目中开发的）-我们认为主要原因之一是由于缺乏详尽和自动测试。
2019-02-14 cs.SE
A Study of Gender Discussions in Mobile Apps
移动应用软件是现代生活中最重要的数字技术之一，如何设计性别包容的应用软件是开发应用软件的关键。在设计中不考虑性别包容、多样性和平等的应用程序可能会造成障碍（例如，排除了一些用户，因为他们的性别）为他们的多样化的用户。虽然已经做出了一些努力来开发具有性别包容性的应用程序，但缺乏对用户性别观点的深入了解可能会妨碍应用程序开发人员和所有者识别与性别有关的问题并提出改进解决方案。用户在评论中表达了许多关于应用程序的不同意见，从分享他们的经验，报告错误，到请求新功能。在这项研究中，我们的目标是从用户的角度分析应用程序评论，从解包的性别讨论。我们首先开发和评估了几个机器学习（ML）和深度学习（DL）分类器，这些分类器可以自动检测性别评论（即，包含关于性别问题讨论的评论）。我们将ML和DL分类器应用于Google App Store中手动构建的1，440条应用评论的数据集，其中包括620条性别评论和820条非性别评论。我们最好的分类器达到了90.77%的F1分数。其次，我们对620篇性别评论中随机选择的388篇进行了定性分析，结果显示，应用评论中的性别讨论围绕着六个主题：应用功能、外观、内容、公司政策和审查、广告和社区。最后，我们为开发性别包容性应用程序提供了一些实际意义和建议。
2023-03-17 cs.SE
PolyDroid: Learning-Driven Specialization of Mobile Applications
移动应用的日益普及导致了部署它们的资源使用场景的激增。这促使需要根据用户的不同偏好专门化移动应用程序。我们提出了一个名为PolyDroid的系统，用于根据用户偏好自动专门化移动应用程序。应用程序开发人员提供了许多候选配置，称为缩减，这些配置限制了原始应用程序的资源使用。PolyDroid的关键挑战是了解不同缩减下的用户体验质量。我们提出了一个主动学习技术，需要很少的用户实验，以确定一个给定的资源使用规范的最佳减少。在一个由20个不同的开源Android应用程序组成的基准测试套件中，我们证明了平均而言，PolyDroid仅使用两个用户实验就获得了超过85%的最佳性能。
2019-02-25 cs.SE
Testing Criteria for Mobile Apps Based on Callback Sequences
应用程序质量已被证明是应用程序采用的最重要指标。为了保证质量，开发人员主要使用测试来发现应用程序中的错误，并应用结构和GUI测试覆盖标准。然而，移动应用程序的行为比GUI操作更多，例如，应用程序还处理来自传感器的事件，并通过Android API调用服务和AsyncTasks执行长时间运行的后台任务。我们的研究发现，通过回调交互的重要应用行为应该在测试中涵盖，因为回调之间的数据共享很常见，并且是许多现有错误的原因。我们设计了一系列基于回调序列的测试准则，并使用回调控制流自动机（CCFA）来测量测试的覆盖率。我们的实验表明，在我们的标准的指导下，测试可以发现更多的错误和触发错误比最先进的工具更快。
2019-11-20 cs.SE
Challenges in Developing Secure Mobile Health Applications, A Systematic Review
移动健康（mHealth）应用程序（app）在过去几年中获得了极大的普及，因为它具有巨大的好处，例如降低医疗成本和提高患者意识。然而，医疗数据的敏感性使得移动健康应用程序的安全性成为一个严重的问题。在这次审查中，我们的目标是确定和分析报告的挑战，移动健康应用程序的开发人员面临的安全性。此外，我们的研究旨在开发一个概念框架，以应对移动健康应用程序开发组织在开发安全应用程序时所面临的挑战。了解这些挑战有助于降低开发不安全的移动健康应用程序的风险。本综述采用系统文献综述方法。我们选择了2008年1月至2020年10月期间发表的研究。我们选择了32个主要研究，使用预定义的标准和主题分析方法分析提取的数据。我们确定了可能影响安全移动健康应用程序开发的九个挑战。例如1）缺乏开发安全mHealth应用程序的安全指南和法规，2）开发人员缺乏安全mHealth应用程序开发的知识和专业知识，3）在mHealth应用程序开发期间缺乏利益相关者的参与等。根据我们的分析，我们提出了一个概念框架，突出了所确定的挑战之间的相互关系。我们的结论是，我们的研究结果可以帮助他们找出自己的弱点，并改善他们的安全实践。同样，移动健康应用程序开发人员可以确定他们在开发不会给用户带来安全风险的移动健康应用程序时所面临的挑战。我们的审查是朝着提供安全的mHealth应用程序的发展见解迈出的一步。我们提出的概念框架可以作为从业人…
2021-01-15 cs.SE
On the Violation of Honesty in Mobile Apps: Automated Detection and Categories
人类价值观，如正直、隐私、好奇心、安全和诚实，是人们认为生活中重要的指导原则。这些人类价值可能被移动软件应用程序（app）侵犯，这种人类价值侵犯的负面影响可以在社会中以各种方式看到。在这项工作中，我们专注于诚实的人类价值。我们提出了一个模型，以支持从最终用户的角度来看，从应用程序评论的诚实的价值违反自动识别。除了自动检测应用程序的诚实违规行为外，我们还旨在更好地了解用户在其应用程序评论中表达的不同类别的诚实违规行为。我们对诚实违规数据集的手动分析结果显示，诚实违规行为可以分为十类：不公平的取消和退款政策;虚假广告;欺骗性订阅;作弊系统;不准确的信息;不公平的费用;没有服务;删除评论;冒充;和欺诈性外观的应用程序。基于这些结果，我们主张有意识地努力开发更诚实的软件产品，包括移动应用程序，并将诚实作为软件开发实践中的一个关键价值。此外，我们还讨论了应用程序分发平台作为支持人类价值观的道德体系的执行者的作用，并强调了软件工程（SE）研究中人类价值观的一些建议的后续步骤。
2022-03-14 cs.SE
Automated Reporting of GUI Design Violations for Mobile Apps
移动应用程序的初始化通常采用图形用户界面（GUI）的模型形式，表示为描绘满足需求的GUI小部件的正确布局和样式的静态图像。在这个初始模型之后，设计工件被交给开发人员，他们的目标是在代码中准确地实现这些GUI和所需的功能。由于模型和代码之间存在相当大的抽象差距，开发人员经常会引入与GUI相关的错误，这些错误可能会对应用程序在竞争激烈的市场中的成功产生负面影响。此外，在快速变化的应用程序的进化背景下，这种错误很常见。这导致了设计团队验证应用程序的每个屏幕都是根据预期的设计规范实现的费时费力的任务。本文介绍了一种新颖的自动化方法，用于验证移动应用程序的GUI是否按照其预期设计实现。我们的方法解决了GUI相关的信息，从实现的应用程序和模型，并使用计算机视觉技术，以确定在移动GUI的实现中的常见错误。我们在一个名为GVT的工具中为Android实现了这种方法，并对开源应用程序进行了受控的经验评估，并与华为的设计师和开发人员进行了工业评估。结果表明，GVT解决了一个重要的，困难的，高度实用的问题，具有显着的效率和准确性，是有用的和可扩展的工业设计师和开发人员的角度来看。目前，华为有超过一千名工业设计师和开发人员使用该工具来提高移动应用程序的质量。
2018-04-05 cs.SE
Enhancing Bug Reports for Mobile Apps
现代软件开发领域已经看到了移动应用程序作为“智能”设备的焦点转移，这些设备几乎无处不在。由于这种趋势，移动应用程序的复杂性一直在增加，使开发和维护特别具有挑战性。然而，很明显，目前的错误跟踪系统不能有效地支持构建具有可操作信息的报告，这些信息将直接导致错误的解决方案。为了满足对改进报告系统的需求，我们引入了一种名为FUSION的新颖解决方案，可以帮助用户在移动应用程序的错误报告中自动完成复制步骤。FUSION将用户提供的信息链接到通过测试或发布前执行的静态和动态分析提取的程序工件。FUSION采用的方法可推广到其他当前的移动软件平台，并构成了一种新的方法，通过该方法可以为移动软件项目进行离线错误报告。我们通过进行一项研究来评估FUSION，该研究定量和定性地测量了系统报告和再现错误的用户体验，以及它产生的错误报告的质量。在一项涉及28名参与者的研究中，我们应用FUSION来支持在14个开源Android应用程序中发现的15个真实世界错误的报告和复制缺陷的维护任务。我们的研究结果表明，FUSION允许更可靠的再现错误的报告，帮助用户报告更详细的应用程序特定的信息相比，传统的错误跟踪系统。
2018-01-18 cs.SE
Supporting Developers in Addressing Human-centric Issues in Mobile Apps
在移动应用程序开发过程中，如果不考虑不同最终用户的特征、限制和能力，可能会给最终用户带来问题，例如可访问性和可用性问题。我们把这类问题称为以人为中心的问题。尽管它们很重要，但对最终用户遇到的以人为本的问题类型以及移动应用程序开发人员考虑的问题类型的理解有限。在本文中，我们研究了最终用户通过Google App Store评论报告的以人为本的问题，哪些以人为本的问题是GitHub上开发人员讨论的主题，以及最终用户和开发人员是否讨论了相同的以人为本的问题。然后，我们调查是否有一个自动化的工具可以帮助检测这样的人类为中心的问题，以及开发人员是否会发现这样的工具有用。为此，我们进行了一项实证研究，通过提取和手动分析来自Google App Store和GitHub上12个不同项目的1，200条应用评论和1，200条问题评论的随机样本。我们的分析导致了以人为本的问题的分类，将以人为本的问题分为三个高级别：应用程序使用，包容性和用户反应。然后，我们开发了机器学习和深度学习模型，这些模型在自动识别和分类应用程序评论和开发人员讨论中以人为本的问题方面很有前途。对移动应用程序开发人员的调查显示，以人为中心的问题的自动检测具有实际应用。根据我们的研究结果，我们强调了一些影响和未来可能的工作，以进一步理解和纳入以人为本的问题，在移动应用程序开发。
2022-10-03 cs.SE
A Systematic Review of Mobile Apps for Child Sexual Abuse Education: Limitations and Design Guidelines
本研究的目的是了解CSA教育应用程序的要求，识别现有应用程序的局限性，并为更好的应用程序设计提供指导。在三个主要的应用程序商店（Google Play，Apple和Microsoft）进行电子搜索，并由三个独立的评级机构对选定的应用程序进行评级。共找到191个应用程序，最终根据定义的入选和排除标准选择了14个应用程序进行审查。通过修改现有量表，设计了CSA教育应用程序的应用程序评级量表，并用于评估选定的14个应用程序。我们的评级量表评估了CSA教育应用程序所需的基本功能、标准和软件质量特征，并确定了它们作为儿童CSA教育程序的潜在使用效果。并计算了量表的内部一致性和评分者之间的信度。应用商店的用户评论被收集和分析，以了解他们的期望和观点。在分析了审查的应用程序的可行性，CSA应用程序的设计考虑，提出了突出基于游戏的教学方法。评估结果显示，大多数被审查的应用程序不适合用作CSA教育程序。虽然有一些应用程序可以单独教孩子和家长，但只有“防止虐待儿童”（5分之3.89）和“轨道救援”（5分之3.92）的应用程序可以被认为适合以学校为基础的CSA教育计划。然而，所有这些应用程序都需要改进其软件质量和CSA特定功能，才能被视为潜在的CSA教育计划。这项研究为开发人员和个人提供了必要的知识，涉及设计和开发CSA教育应用程序的基本功能和软件质量特征。
2021-07-04 cs.SE
An Empirical Study on Developing Secure Mobile Health Apps: The Developers Perspective
移动应用程序利用嵌入式传感器和设备的无线连接，使用户能够进行便携式计算，上下文感知通信和增强的交互。具体而言，移动健康应用程序（简称mHealth应用程序）正在成为移动和普适计算的组成部分，以提高医疗服务的可用性和质量。尽管有这些好处，mHealth应用程序面临着一个关键的挑战，即，由应用程序产生和消费的健康关键数据的安全性。几项研究表明，移动健康应用程序的特定安全问题尚未得到充分解决。本研究的目的是从经验上（a）调查阻碍安全移动健康应用程序开发的挑战，（b）确定开发安全应用程序的实践，以及（c）探索影响安全开发的激励因素。我们通过收集来自25个国家的97名开发人员的回复进行了这项研究，他们在不同的团队和角色中工作，为Android，iOS和Windows平台开发移动健康应用程序。调查数据的定性分析基于（i）8个关键挑战，（ii）确保安全的最佳实践分类，以及（iii）影响安全移动健康应用程序的6个激励因素。这项研究提供了经验证据，作为从业者的观点和指导方针，以开发新兴的和下一代的安全移动健康应用程序。
2020-08-07 cs.CY cs.SE
Security Awareness of End-Users of Mobile Health Applications: An Empirical Study
移动系统提供便携式和交互式计算，使用户能够利用多种上下文敏感的服务，包括移动医疗保健。移动健康应用程序（即，移动健康应用程序）正在通过使利益相关者能够生产和消费医疗保健服务来彻底改变医疗保健行业。移动健康技术的广泛采用和移动健康应用程序的快速增长带来了一个关键挑战，即，最终用户对健康关键数据缺乏安全意识。本文提出了一项实证研究，旨在探索移动健康应用程序的最终用户的安全意识。我们与沙特阿拉伯的两家移动医疗服务提供商合作，从101名最终用户那里收集数据。结果表明，尽管终端用户拥有所需的知识，但缺乏适当的行为，即，不愿意或缺乏对安全实践的理解，从而危及健康关键数据，并带来社会、法律和财务后果。研究结果强调，移动医疗服务提供商应确保对最终用户进行安全培训（例如，威胁分析研讨会），推广最佳实践以加强安全（例如，多步认证），并采用合适的mHealth应用程序（例如，安全性与可用性的权衡）。该研究提供了有关移动健康应用程序安全意识的经验证据和一套指导方针。
2020-08-29 cs.SE
Anti-patterns and the energy efficiency of Android applications
移动应用程序的蓬勃发展改变了软件开发的传统格局，由于移动设备的资源有限，内存、CPU、网络带宽和电池。移动应用程序的能源消耗是当今的热门话题，研究人员正在积极研究编码实践对能源效率的作用。最近的研究表明，设计质量可能与能源效率相冲突。因此，在发展移动应用程序的设计时，考虑能源效率是很重要的。研究界已经提出了检测和删除反模式的方法（即，设计和实现问题的糟糕解决方案），但据我们所知，这些方法都没有包括特定于移动应用程序的反模式，也没有考虑应用程序的能源效率。在本文中，我们通过分析八种类型的反模式对从F-Droid中提取的59个Android应用程序的测试平台的影响来填补文献中的这一空白。首先，我们（1）分析移动应用程序中反模式对能源效率的影响;然后（2）研究不同类型的反模式对能源效率的影响。我们发现，包含反模式的应用程序和不包含反模式的应用程序（重构的应用程序）的能耗在统计上是不同的。此外，我们发现重构反模式的影响可以是积极的（7种类型的反模式）或消极的（2种类型的反模式）。因此，开发人员在应用维护活动时应考虑重构对能效的影响。
2016-10-19 cs.SE
An Exploratory Study on the Occurrence of Self-Admitted Technical Debt in Android Apps
技术债描述了开发人员编写的代码不符合项目里程碑的情况。然而，这种债务积累往往会导致未来的开发人员努力解决这些质量问题。为了更好地管理这种债务，开发人员可以将他们的次优代码记录为代码中的注释（即，自我承认的技术债务或SATD）。虽然先前的研究已经调查了SATD的发生和特征，但本研究主要集中在非移动系统上。随着数百万的移动应用程序（应用程序）在多种类型可供最终用户，有一个缺乏研究的次优代码开发人员故意实现在移动应用程序。在这项研究中，我们研究了15，614个开源Android应用程序中SATD的发生和特征。我们的研究结果表明，即使这些应用程序包含SATD的发生，每个应用程序的数量（中位数为4）低于非移动系统，大多数债务被归类为代码债务。此外，我们还确定了应用程序中容易出现故意次优实现的典型元素。我们设想我们的研究结果支持研究人员和工具供应商构建工具和技术，以支持应用程序开发人员进行应用程序维护。
2023-03-03 cs.SE
LLMs in Mobile Apps: Practices, Challenges, and Opportunities
University of Toronto（多伦多大学）
本研究构建149个Android应用数据集，探索LLM在移动应用中的集成实践，揭示设备限制、API管理等挑战，为未来研究提供方向。
2025-02-21 cs.CL cs.SE
User Driven Functionality Deletion for Mobile Apps
本文通过297名用户的调查发现移动应用功能删除常引发负面情绪和用户流失，并提出RADIATION方法基于用户评论自动推荐应删除的UI功能，在190,062条评论上取得平均74%的F-Score。
2023-05-30 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
Improving Random Testing via LLM-powered UI Tarpit Escaping for Mobile Apps
East China Normal University（华东师范大学）；Shanghai Innovation Institute（上海创新 institute）
本文提出基于LLM的随机GUI测试方法，通过监控UI相似性识别陷阱并建议事件逃离，提升移动应用测试覆盖率和bug发现率，实验显示HybridMonkey和HybridDroidbot在12个应用上平均覆盖率提升54.8%和44.8%。
2026-04-13 cs.SE
MobiCoMonkey - Context Testing of Android Apps
许多移动应用程序的功能取决于各种上下文、外部因素。根据不可预见的情况，移动应用程序甚至可能出现故障或崩溃。在本文中，我们介绍了一种自动化工具，允许开发人员针对自定义或自动生成的上下文场景测试应用程序，并通过模拟器帮助检测可能的错误。此外，它还报告了错误和上下文因素之间的联系，以便以后可以重现错误。它利用Android SDK和logcat提供的工具来注入事件并捕获应用程序执行的痕迹。
2018-04-07 cs.SE
Towards Black-box Attacks on Deep Learning Apps
深度学习是提升许多领域应用性能的强大武器，包括人脸识别、目标检测、图像分类、自然语言理解和推荐系统。随着移动设备计算能力的快速提升，开发人员可以将深度学习模型嵌入到他们的应用程序中，以构建更具竞争力的产品，并提供更准确和更快的响应。虽然有几个关于针对移动应用程序中的深度学习模型的对抗攻击的作品，但它们都需要关于模型内部的信息（即，结构、重量）或需要修改模型。在本文中，我们提出了一种有效的黑盒方法，通过训练替代模型来欺骗应用程序内部的深度学习系统。为了评估我们的方法，我们从Google Play中选择了10个真实世界中受欢迎程度较高的深度学习应用程序来执行黑盒对抗攻击。通过研究，我们发现三个因素可以影响攻击的性能。我们的方法可以达到一个相对较高的攻击成功率平均为66.60%。与其他对移动深度学习模型的对抗攻击相比，在平均攻击成功率方面，我们的方法比同行高出27.63%。
2021-07-27 cs.SE
eGEN: An Energy-saving Modeling Language and Code Generator for Location-sensing of Mobile Apps
近年来，对降低基于位置的应用的能耗的需求有所增加。GPS的异常电池消耗行为使得开发人员难以在开发阶段直接决定电池优化。如果及早考虑电池节省策略，并从设计阶段工件中生成相关的电池感知代码，这将减轻开发人员的负担。因此，我们的目标是开发工具支持eGEN，以指定和创建基于本地位置的移动应用程序。eGEN由特定领域建模语言（DSML）和用于位置感测的代码生成器组成。它是使用Xtext和Xtend作为Eclipse插件开发的，目前支持原生Android应用程序。eGEN是通过控制实验进行评估的仪器在五个基于位置的开源Android应用程序中生成的代码。实验结果显示，每小时GPS平均减少4.35分钟，电池消耗平均减少188 mA，而在3公里的自行车道上，定位精度仅下降97米。因此，我们相信eGEN生成的代码将有助于开发人员在基于位置的应用程序的能量和精度要求之间进行平衡。源代码、文档、工具演示视频和工具安装视频可在https://github.com/Kowndinya2000/egen上获得。
2022-04-08 cs.SE
Automated Test Transfer Across Android Apps Using Large Language Models
针对手动编写维护Android应用UI测试成本高、现有跨应用测试迁移方法难以适应现实变化的问题，提出基于LLMs的LLMigrate技术，实现97.5%迁移成功率、减少91.1%手动工作量，性能显著优于现有方法。
2025-04-20 cs.SE
Empirically Assessing Opportunities for Prefetching and Caching in Mobile Apps
移动软件中的网络延迟对用户体验有很大的影响，并可能带来严重的经济后果。在基于浏览器的系统中，预取和缓存已经被证明可以有效地减少延迟。然而，由于网络交互的差异，这些技术不能直接应用于新兴的移动应用领域。此外，缺乏对可能适用于移动应用领域的预取和缓存技术的研究，并且不清楚这些技术是否有效或是否可行。本文通过进行全面的研究来了解1000多个流行Android应用程序中HTTP请求的特征，从而迈出了回答这些问题的第一步。我们的工作重点是使用静态程序分析技术和缓存的结果响应的请求的可预取性。我们发现，在移动应用程序中利用预取和缓存有很大的机会，但合适的技术必须考虑到应用程序的网络交互和特性的性质，如不可信的HTTP头信息。我们的观察为开发人员在应用程序开发中利用预取和缓存方案提供了指导方针，并激励了这一领域的未来研究。
2018-10-20 cs.NI cs.SE
Using Automatic Refactoring to Improve Energy Efficiency of Android Apps
移动电话的日益普及给软件开发生命周期带来了额外的挑战。移动应用程序（简称app）应该提供与传统软件相同的功能集，但资源有限：例如有限的处理能力、存储、屏幕以及同样重要的电源。虽然能源效率是一个有价值的要求，但开发人员往往缺乏最佳实践的知识。在本文中，我们研究自动重构是否可以帮助开发人员发布节能应用程序。我们利用一个工具，Leafactor，有五种能源代码气味，往往会被忽视。我们使用Leafactor分析了140个免费和开源应用程序中的代码气味。因此，我们在45个应用程序中检测并修复了代码气味，其中40%已成功将我们的更改合并到官方存储库中。
2018-03-15 cs.SE
A Large-Scale Empirical Study of COVID-19 Contact Tracing Mobile App Reviews
本文通过分析全球34个国家35个COVID-19接触追踪应用的评论，发现可用性与性能问题在各地区普遍存在，隐私问题仅在部分地区出现，为开发者优先解决报告问题提供了实证依据。
2024-04-28 cs.SE
Investigating End-Users' Values in Agriculture Mobile Applications Development: An Empirical Study on Bangladeshi Female Farmers
移动应用程序（app）在日常生活的各个方面的无所不在的性质提高了反映最终用户价值的必要性（例如，公平、诚实等）在应用程序中。然而，在应用程序开发中对最终用户价值的考虑有限。媒体报道了应用程序的价值违规行为，这些行为导致了最终用户的不满和负面的社会经济后果。违反价值观可能会给边缘化和弱势的应用程序最终用户带来更严重和持久的问题，这些问题在软件工程社区中很少被探讨（如果有的话）。然而，了解应用程序最终用户的价值观是实现基于价值的应用程序开发的重要第一步。这项研究旨在通过调查孟加拉国女性农民作为孟加拉国农业应用程序最终用户的边缘化和弱势群体的人类价值来填补这一空白。我们进行了一项实证研究，收集和分析数据的调查与193名孟加拉国女农民，探讨潜在的因素结构的孟加拉国女农民的价值观和人口统计学的意义，他们的价值观。结果确定了孟加拉国女农民的三个基本因素。第一个因素包括五个价值观：仁爱、安全、顺从、普遍主义和传统。第二个因素包括两个价值观：自我导向和激励。第三个因素包括三个价值观：权力、成就和享乐主义。我们还确定了人口对孟加拉国女农民的一些价值观的强烈影响。例如，区域对三个价值观有重要影响：享乐主义，成就和传统。同样，家庭收入对权力和安全也有很大的影响。
2022-03-19 cs.SE
Source-Free Detection and Impact Analysis of Compiler Optimization Problems in Mobile Applications
Beihang University（北京航空航天大学）；Huawei Hong Kong Research Center（华为香港研究中心）；Huawei（华为）；Monash University（蒙纳士大学）
提出无源框架OptDetect，直接从二进制文件检测编译器优化问题，无需源码或构建元数据，准确率达93.0%，发现30.5%的库使用低优化级别，修复后CPU指令减少10-63%。
2026-10-02 cs.SE
Engineering for Crisis Management: A User-Centred Analysis of Disaster Mobile Applications
Institut Teknologi Sepuluh Nopember（十月份理工学院）；Deakin University（迪肯大学）；RMIT University（皇家墨尔本理工大学）；Monash University（蒙纳士大学）
本文分析灾害移动应用的功能与用户反馈，发现多数应用侧重应急响应，缺乏准备与恢复支持，提出改进建议以提升可靠性与包容性。
2026-05-06 cs.SE
PropGen: Automated Property Generation for Property-Based Testing of Mobile Apps
Singapore Management University（新加坡管理大学）；East China Normal University（华东师范大学）
本文提出PropGen，通过功能引导探索收集行为证据，生成并优化属性，发现25个未被现有方法发现的功能性bug。
2026-10-09 cs.SE
MobileRec: A Large-Scale Dataset for Mobile Apps Recommendation
University of Central Florida（中佛罗里达大学）；University of Kentucky（肯塔基大学）
推荐系统在我们的数字生活中无处不在，从电子商务网站上的产品推荐到流媒体平台上的电影和音乐推荐。现有的推荐数据集，如Amazon Product Reviews和MovieLens，极大地促进了各自领域推荐系统的研究和开发。虽然移动用户和应用程序（又名应用程序）的数量在过去十年中呈指数级增长，但移动应用程序推荐系统的研究受到了极大的限制，主要是由于缺乏高质量的基准数据集，而不是产品，电影和新闻的推荐。为了促进应用推荐系统的研究，我们引入了一个名为MobileRec的大规模数据集。我们根据用户在Google Play商店上的活动构建了MobileRec。MobileRec包含1930万次用户交互（即，用户对应用程序的评论），在48个类别中拥有超过10K个独特的应用程序。MobileRec记录了总共70万不同用户的连续活动。这些用户中的每一个都与不少于五个不同的应用程序进行了交互，这与之前的移动应用程序数据集形成了鲜明对比，这些数据集只记录了每个用户的一次交互。此外，MobileRec还提供用户对已安装应用程序的评分和情绪，每个应用程序都包含丰富的元数据，如应用程序名称、类别、描述和总体评分等。我们证明，MobileRec可以作为一个很好的测试平台，通过比较研究几个国家的最先进的推荐方法的应用程序推荐。定量结果可以作为其他研究人员比较结果的基线。MobileRec数据集可在https:/…
2023-03-12 cs.IR cs.LG cs.SE
Recommending and Release Planning of User-Driven Functionality Deletion for Mobile Apps
针对移动应用功能过载的问题，提出Radiation框架基于用户评论推荐UI功能删除，经115款应用的19万余条评论验证F值达74%，且调研显示多数开发者会规划功能删除，凸显其在发布决策中的重要性。
2024-10-09 cs.SE
Automating Software Development for Mobile Computing Platforms (Doctoral Symposium)
诸如智能电话和平板电脑的移动设备在当今的现代计算领域中已经变得无处不在。在这些移动设备上运行的应用（通常称为“app”）已经成为数百万用户的主要计算手段，并且因此已经引起了开发者的极大兴趣。这些应用程序通过基于触摸的UI和复杂的传感器组合提供独特的个人软件体验。然而，设计和实现高质量的移动应用程序可能是一个困难的过程。这主要是由于移动开发所特有的挑战，包括易于更改的API和平台碎片化，仅举几例。本文介绍了一篇论文的动机和概述，该论文提出了自动化和改进移动应用程序设计和开发实践的新方法。此外，本文讨论了潜在的途径，为今后的研究工作的基础上，以及一般的经验教训，在作者的任期内作为一个博士生在一般领域的软件工程，维护和进化。
2018-07-18 cs.SE
The Metamorphosis: Automatic Detection of Scaling Issues for Mobile Apps
图形用户界面（GUI）作为用户与软件之间的桥梁，对应用程序的可访问性至关重要。放大GUI的字体或显示大小有助于提高应用程序的视觉效果，可读性和可用性，老年人和视力障碍者经常使用。然而，这很容易导致缩放问题，如文本截断，组件重叠，这对正确信息的获取和应用程序的流畅使用产生负面影响。用于UI显示问题检测和跨平台不一致检测的先前技术不能很好地解决这些缩放问题。在本文中，我们提出了一个自动化的方法，dVermin，缩放问题检测，通过检测的不一致性的视图下的默认和较大的显示比例。测试结果表明，dVermin在问题页面检测中达到了97%的准确率和97%的召回率，在问题视图检测中达到了84%的准确率和91%的召回率，大大优于两个最先进的基线。我们还使用F-droid上流行的Android应用程序评估了dVermin，并成功发现了21个以前未检测到的缩放问题，其中20个已得到确认/修复。
2022-12-08 cs.SE
Adroitness: An Android-based Middleware for Fast Development of High-performance Apps
随着智能手机变得越来越强大，新一代高度互动的以用户为中心的移动应用程序出现，使用户的生活更简单，更高效。移动电话应用程序必须在移动设备上维持有限的资源可用性，例如电池寿命、网络连接，同时还必须在应用程序内提供更好的响应性和轻量级交互。开发人员最终花费了大量的时间来处理移动生态系统提供的各种平台、工具和设备所施加的架构约束，从而使他们偏离了构建此类应用程序的主要目标。因此，我们提出了一个基于移动的中间件体系结构，简化了繁重的任务，处理低层次的架构决策和细粒度的实现细节。我们通过专注于关注点的分离并抽象出编排设备传感器和效应器、决策过程以及与远程服务的连接的复杂性来实现这样一个目标，同时为交互式高性能移动应用程序的更高级别功能特性的开发提供脚手架。我们通过比较不同的软件度量标准来展示我们的方法与Android传统框架的强大性
2019-06-05 cs.PF cs.SE
App Store 2.0: From Crowd Information to Actionable Feedback in Mobile Ecosystems
鉴于移动应用生态系统的竞争日益激烈，改善用户体验已成为应用供应商的主要目标。本文介绍了一个有远见的应用程序商店，称为APP STORE 2.0，它利用有关应用程序，设备和用户的众包信息来提高交付的移动应用程序的整体质量。我们勾画了一个蓝图架构的设想应用程序商店和讨论不同类型的可操作的反馈，应用程序商店可以使用众包信息生成。
2018-07-02 cs.SE
Detecting and Diagnosing Energy Issues for Mobile Applications
能源效率是判断移动应用质量的重要标准，但我们随机抽样的应用中有三分之一存在能源问题，这些问题会迅速耗尽电池电量。为了了解这些问题，我们对27个维护良好的应用程序（如Chrome和Firefox）进行了实证研究，这些应用程序的问题跟踪系统可以公开访问。我们的研究表明，能源问题的主要根源包括不必要的工作量和过于频繁的操作。令人惊讶的是，这些问题超出了当前技术在能量问题检测上的应用。我们还发现，20.6%的能源问题只能在特定的环境下表现出来，例如网络性能差，但这些环境又被目前的技术所忽视。因此，我们提出了一个新的测试框架，用于检测现实世界中的应用程序中的能源问题。我们的框架检查具有精心设计的输入序列和运行时上下文的应用程序。为了确定上述根本原因，我们采用了机器学习算法来聚类工作负载，并进一步评估其必要性。对于被具体上下文掩盖的问题，我们精心设置了几个执行上下文来进行定位。更重要的是，我们开发了先进的技术，例如预先设计潜在能源过度使用的输入序列和动态调整测试，以实现检测能源问题的高效率。一个大规模的评估表明，在我们的测试中检测到的91.6%的问题是以前未知的开发人员。平均而言，这些问题使应用程序的能源成本增加了一倍。此外，我们的测试实现了低数量的假阳性。最后，我们将展示我们的测试报告如何帮助开发人员解决问题。
2019-03-22 cs.SE
End-Users' Knowledge and Perception about Security of Mobile Health Apps: A Case Study with Two Saudi Arabian mHealth Providers
移动健康应用程序（简称mHealth应用程序）在医疗保健领域越来越多地被采用，使政府、卫生单位、医生和患者等利益相关者能够以普遍的方式利用健康服务。尽管mHealth应用程序具有多项已知优势，但仍会带来重大的安全和隐私挑战，可能导致数据泄露，带来严重的社会、法律和经济后果。这项研究提出了一个实证调查的安全意识的最终用户的mHealth应用程序，可在主要的移动平台，包括Android和iOS。我们与沙特阿拉伯的两家移动医疗服务提供商合作，调查了101名最终用户，调查了他们对（i）现有和期望的安全功能，（ii）安全相关问题，以及（iii）提高安全知识的方法的安全意识。调查结果表明，大多数最终用户都知道应用程序提供的现有安全功能（例如，受限的应用程序许可）;然而，它们期望可用的安全性（例如，生物测定认证）并且关心他们的健康信息的隐私（例如，数据匿名化）。最终用户建议，会话超时或双因素身份验证（2FA）等协议对安全性有积极影响，但会影响应用程序的可用性。通过社交媒体，同行指导或应用程序提供商的培训提高安全意识可以增加最终用户对mHealth应用程序的信任。这项研究基于经验证据调查了以人为本的知识，并提供了一套指导方针，以开发安全和可用的mHealth应用程序。
2021-09-24 cs.CR cs.SE
Trimming Mobile Applications for Bandwidth-Challenged Networks in Developing Regions
尽管不断努力建设和更新网络基础设施，但发展中区域的移动设备继续受到有限带宽的限制。不幸的是，这与移动应用程序规模空前增长的时期相吻合。因此，对于发展中地区的用户来说，下载和更新对其经济和教育发展至关重要的移动应用程序的费用变得过于昂贵。如果不加遏制，这些趋势可能会进一步加剧巨大且不断扩大的全球数字鸿沟。我们的目标是更好地了解移动应用程序代码大小快速增长的原因，无论它是否反映了新功能，并确定可以采取的步骤，使现有的移动应用程序更友好的带宽受限的移动网络。我们假设，移动应用程序的这种增长在很大程度上是由于资源/代码管理不善，并没有反映出功能的成比例增长。我们的假设得到了小程序的部分验证，这些小程序是在中国移动网络中越来越受欢迎的极小足迹的应用程序。在这里，我们使用功能等效的迷你程序和Android应用程序对来识别潜在的“膨胀”来源，即导致大型包大小的代码或资源的低效使用。我们分析了大量流行的Android应用程序样本，并量化了代码和资源膨胀的实例。我们开发了自动化代码和资源修剪技术，并在大量Android应用程序上成功验证了这些技术。我们希望我们的研究结果将导致继续努力简化移动应用程序，使发展中地区的用户更容易访问和维护它们。
2019-12-08 cs.SE cs.SY eess.SY
Developing Apps for Researching the COVID-19 Pandemic with the TrackYourHealth Platform
通过封锁和日常生活的其他严重变化，几乎每个人都受到COVID-19大流行的影响。科学家和医生-除其他外-主要对研究，监测和改善一般人群的身心健康感兴趣。移动健康应用程序（mHealth）和分别进行生态瞬时评估（EMA）的应用程序可以在这方面提供帮助。然而，开发这样的移动应用程序带来了许多挑战，如昂贵的软件开发工作，严格的隐私规则，遵守道德准则，当地法律和法规。在本文中，我们介绍了TrackYourHealth（TYH），这是一个高度可配置、通用和模块化的移动数据汇集和EMA平台，使我们能够在短短几周内开发和发布两个与COVID-19相关的移动多平台应用程序。我们介绍了TYH，并强调了类似应用程序的研究人员和开发人员也可能面临的具体挑战，特别是在开发与医疗领域相关的应用程序时。
2021-03-25 cs.CY cs.SE
AppIntent: Intuitive Automation Specification Framework for Mobile AppTesting
移动应用程序的激增和移动应用程序发布时间的缩短要求更快、更有效地测试移动应用程序及其GUI和功能。尽管如此，仍然有各种各样的开源工具和框架被开发来为测试移动应用程序提供自动化测试基础设施。这些自动化工具中的每一个都支持不同的脚本语言来自动化应用程序测试。这些框架从根本上缺乏直接捕获用户意图的能力，这些用户意图有效地测试移动应用及其跨应用功能和性能，而不必担心与每个工具相关联的低级脚本语言。因此，为了解决这一限制，我们提出了一种基于意图的高级自动化规约语言和API，其可以有效地解决以下方面：（i）使用直观自动化规约语言捕获要被捕获为高级意图的测试自动化步骤，以及（ii）提供框架支持以有效地捕获用户行为模式，从而有效地测试应用。我们开发的AppIntent是一个基于高级自动化规约语言的框架，它使用高级和直观的语言直接捕获多个应用程序中和跨多个应用程序的测试自动化意图，而无需担心如何实际开发自动化脚本。
2018-10-12 cs.PL cs.SE
CRUD-Capable Mobile Apps with R and shinyMobile: a Case Study in Rapid Prototyping
本文以生态瞬时评估应用 Harden 为例，展示如何利用 R、shinyMobile、PostgreSQL 和 Google Cloud Run 快速开发具备完整 CRUD 能力、交互图表和实时统计功能的跨平台移动应用，并论证了该框架在统计移动应用快速原型开发中的高效性。
2024-09-01 cs.SE stat.ME
An Empirical Study on Deployment Faults of Deep Learning Based Mobile Applications
Peking University（北京大学）；Peking University Information Technology Institute (Tianjin Binhai)（北京大学信息技术研究院（天津滨海））；Beijing University of Posts and Telecommunications（北京邮电大学）
深度学习（DL）正在进入越来越多的移动软件应用程序。这些软件应用程序被称为基于DL的移动应用程序（简称为移动DL应用程序），将使用大规模数据训练的DL模型与DL程序集成在一起。DL程序对期望的DL模型的结构和使用训练数据训练模型的过程进行编码。由于当前移动应用程序对DL的依赖性越来越大，移动DL应用程序的软件工程（SE）变得非常重要。然而，现有的SE研究社区的努力主要集中在DL模型的发展和广泛的DL程序中的故障分析。相比之下，与移动设备上的DL模型的部署有关的故障（称为移动DL应用程序的部署故障）尚未得到很好的研究。由于移动DL应用程序每天被数十亿最终用户用于各种目的，包括安全关键场景，因此表征其部署故障非常重要。为了填补知识空白，本文首次全面研究了移动DL应用程序的部署故障。我们从Stack Overflow和GitHub中识别出304个实际部署错误，这两个数据源是研究软件错误的常用数据源。基于已识别的故障，我们构建了一个细粒度的分类法，包括23个类别的故障症状和提取常见的修复策略，为不同的故障类型。此外，我们提出了可行的影响和研究途径，可以进一步促进DL模型在移动设备上的部署。
2021-02-10 cs.AI cs.SE
Towards Precise Detection of Personal Information Leaks in Mobile Health Apps
该研究针对安卓健康应用的个人信息泄露问题，提出提取UI语义信息、区分一三方泄露的检测方法，经1243款应用验证，揭示了健康类应用PI泄露的特征与规律。
2024-09-30 cs.CR cs.SE
Mitigating Redundant Data Transfers for Mobile Web Applications via App-Specific Cache Space
资源的冗余传输是影响移动Web应用程序性能的关键问题（也称为，应用程序）在数据流量、加载时间甚至能耗方面的性能。有证据表明，目前的缓存机制远远不能令人满意。从本机应用程序如何管理其资源的经验教训，在本文中，我们提出了ReWAP的方法，从根本上减少冗余传输，通过重组移动Web应用程序的资源加载。ReWAP基于一种高效的资源封装机制，将稳定的资源封装并维护到一个包中，这样的包应该始终从本地存储加载并通过显式刷新进行更新。通过检索和分析资源的更新，ReWAP维护资源包，可以准确地识别哪些资源可以从本地存储加载相当长的时间。ReWAP还为移动Web应用程序提供了一个包装器，以支持在本地存储中加载和更新资源包，以及从资源包中加载资源。ReWAP可以轻松无缝地部署到现有的移动Web架构中，只需进行最小的修改，并且对最终用户透明。我们评估ReWAP的基础上连续15天的访问跟踪50个移动Web应用程序，严重遭受冗余传输的问题。与启用缓存的原始移动Web应用程序相比，ReWAP可以显着减少数据流量，中位数节省高达51%。此外，ReWAP只会给客户端浏览器带来很小的运行时开销。
2016-12-09 cs.DC cs.SE
An Empirical Study on Secure Usage of Mobile Health Apps: The Attack Simulation Approach
移动应用程序（简称为移动应用程序）已证明其在增强从智能医疗保健到移动商务以及上下文敏感计算等众多领域的服务提供方面的有用性。近年来，已经进行了一些基于经验的调查研究，以调查移动健康应用程序的安全开发和使用。然而，这些研究依赖于通过访谈或调查问题记录的自我报告的行为，缺乏实用的，即基于行动的方法来监控和综合安全关键场景中的用户行动和行为。我们进行了一项实证研究，让参与者参与攻击模拟场景并分析他们的行动，通过基于行动的研究调查移动健康应用程序用户的安全意识。我们模拟了移动健康环境中一些常见的安全攻击场景，并让105名应用程序用户监控他们的行为并分析他们的行为。我们对用户数据进行了统计分析，包括可靠性和相关性测试，描述性分析和定性数据分析。我们的研究结果表明，虽然少数参与者对访问权限持积极态度，但大多数人都持负面看法，认为这样的应用程序可能会侵犯他们的隐私或使他们失去隐私。用户提供他们的同意，授予权限，而没有仔细审查隐私政策，导致不受欢迎或恶意访问健康关键数据。结果还表明，73.3%的参与者拒绝了至少一个访问权限，36%的参与者更喜欢没有身份验证方法。该研究补充了现有的关于移动健康应用程序安全使用的研究，模拟安全威胁以监控用户的行为，并为移动健康系统的安全开发和使用提供了基于经验的指导方针。
2022-11-14 cs.CY cs.SE
Is It a Trap? A Large-scale Empirical Study And Comprehensive Assessment of Online Automated Privacy Policy Generators for Mobile Apps
本文首次从多维度评估 10 个移动应用在线隐私政策生成器，并分析 Google Play 的 46,472 份政策，发现约 20.1% 可能由其生成且存在 GDPR、CCPA、LGPD 合规缺陷。
2023-09-23 cs.CR cs.SE
Assessing and Enhancing Quantum Readiness in Mobile Apps
本研究通过分析超4000个Android应用发现其普遍依赖易受量子攻击的密码算法且缺乏PQC采用，并评估了主流LLM在自动化密码迁移中的表现，指出LLM虽能完成简单哈希替换但无法实现PQC升级，凸显了结构化指导的必要性。
2025-06-01 cs.CR cs.SE
