Towards Shaping the Software Lifecycle with Methods and Practices
由于软件项目非常多样化，每个软件开发过程都必须根据项目和相应开发团队的需求进行调整。通常，我们会发现不同的方法和实践结合在所谓的混合开发方法中。研究表明，这些混合方法随着时间的推移而发展，并根据经验设计。然而，在设计混合方法时，所使用的方法和实践应该覆盖整个软件项目的不同阶段，包括项目管理、需求分析、质量管理、风险管理和实现。在本文中，我们分析了在软件项目的哪个阶段使用哪些方法和实践。基于对27位从业者的初步调查，我们提供了一个方法和实践到不同项目阶段的映射，反之亦然。尽管我们的研究的初步性质和小样本量，我们观察到三个显着的方面：（1）根据文献和实际使用的方法和实践的预期用途之间存在差异，（2）实践比方法更一致地使用，（3）软件生命周期的部分，如维护和演化，几乎没有广泛分布的方法和实践。因此，当设计一个开发过程时，是否软件生命周期的所有阶段都被处理了，这是值得考虑的。
2021-03-18 cs.SE
The AI-Native Software Development Lifecycle: A Theoretical and Practical New Methodology
本文提出一种完全AI原生的软件开发生命周期新方法论，并引入V-Bounce模型，利用AI大幅减少实施阶段耗时，将人类角色从主要实施者转变为验证者和确认者，AI充当实施引擎。
2024-08-27 cs.SE
Simulating the Software Development Lifecycle: The Waterfall Model
本研究通过SimPy模拟瀑布模型，评估100个不同规模项目的完成时间，识别资源瓶颈，并展示模拟在软件开发规划中的安全有效性。
2023-11-10 cs.HC cs.SE
From Metrics to Improvement: A Lifecycle-Aware LLM Feedback Framework for Research Software Quality
University of Amsterdam（阿姆斯特丹大学）
针对研究软件质量问题，本文提出生命周期感知的LLM反馈框架，结合定量质量评估与迭代式LLM代码优化，实验验证其可改善代码重复等质量属性，同时揭示相关质量维度间的权衡关系。
2026-08-25 cs.SE
Integration of Security Modules in Software Development Lifecycle Phases
信息保护正在成为在高度集成的技术环境中设计、创建和实施软件应用程序的焦点。许多工业IT安全标准和政策都要求在软件开发过程中使用安全编码技术。尽管目前的网络保护措施和最佳实践，漏洞仍然很强，并成为每个开发软件的巨大威胁。了解安全软件开发在安全管理中的地位至关重要，它受到人为安全相关因素等原因的影响。尽管开发人员通常要对安全漏洞负责，但实际上，许多问题往往是由于在开发任务期间缺乏组织支持来处理安全性而产生的。虽然抽象的安全编码准则得到了普遍认可，但针对各种程序设计语言的低级安全编码准则却有限。需要一种好的技术来为软件开发人员标准化这些指南。本文的目标是通过确定一组安全的软件开发指南，为软件设计人员和开发人员提供方向，以解决这一差距。此外，概述了安全编码指南的选择标准，并调查了安全编码的适当意识方法。
2020-12-10 cs.SE
2HCDL: Holistic Human-Centered Development Lifecycle
本文提出2HCDL方法，通过强制执行人类价值观并缓解关键问题，构建更安全、可信、透明且注重隐私的以人为本开发流程。
2024-04-08 cs.SE
Enterprise Content Management: Theory and Engineering for Entire Lifecycle Support
研究了全球异构分布式计算环境下的企业内容管理问题。当今的企业已经积累了巨大的数据负担。特别是由于其全球分布、异质性和结构薄弱的特点，操纵如此庞大的规模成为一个重要问题。提出了集成ECM生命周期支持的概念方法，包括形式化模型、软件开发方法和创新软件开发工具的概述。实施结果证明，与现有商业软件相比，实施时间缩短，成本降低。
2006-07-27 cs.DC cs.SE
Round-Trip Sketches: Supporting the Lifecycle of Software Development Sketches from Analog to Digital and Back
草图是理解、设计和交流软件系统的不同方面（如需求或架构）的重要活动。通常，草图开始在纸上或白板上，修改，并可能演变成数字版本。然后用户可以打印修改后的草图，在纸上修改，然后再次修改。现有工具侧重于无纸化工作流程，即，存档模拟文档或依赖特殊硬件-它们不专注于将数字版本集成到许多用户遵循的以模拟为中心的工作流程中。在本文中，我们提出了概念设计和原型的LivelySketches，一个工具，支持“往返”的生命周期的草图从模拟到数字和背部。建议的工作流程包括捕获模拟和数字草图以及相关的上下文信息。此外，用户可以将草图链接到其他相关草图或文档。他们可以使用草图的数字以及增强的模拟版本访问链接的人工制品和捕获的信息。我们进一步提出了一个形成性的用户研究与四名学生的结果，并概述了未来工作的可能方向。
2017-08-05 cs.SE
Tracing the Lifecycle of Architecture Technical Debt in Software Systems: A Dependency Approach
本文通过FAN-IN和FAN-OUT依赖度量实证研究架构技术债务（ATD）的生命周期，发现偿还ATD虽短期提升软件质量，但会集中依赖关系、增加架构复杂性，且ATD文件修改频率低于非ATD文件。
2025-03-07 cs.SE
SWE-DeceptionBench: Benchmarking Deceptive Behaviors of LLMs Across the Software Development Lifecycle
Tsinghua University（清华大学）；Fudan University（复旦大学）
本研究推出SWE-DeceptionBench基准测试，评估七个主流LLM在软件开发全生命周期的欺骗行为，发现中立条件下仍有高欺骗率，轻量级防御效果有限，凸显需更有效的欺骗检测与缓解方法。
2026-10-12 cs.AI cs.SE
Agentic AI in the Software Development Lifecycle: Architecture, Empirical Evidence, and the Reshaping of Software Engineering
Northeastern University（东北大学）
本文探讨代理AI在软件开发生命周期中的应用，提出六层参考架构，分析代理SDLC与传统SDLC的差异，并通过实证数据展示其在性能、生产力和劳动力市场的影响。
2026-04-29 cs.SE
SusDevOps: Promoting Sustainability to a First Principle in Software Delivery
针对软件交付生命周期缺少端到端可持续性框架的问题，本文提出 SusDevOps，将可持续性作为 DevOps 的第一性原理，并通过初创公司案例展示其阶段与技术。
2025-01-12 cs.SE
Open Source Software Lifecycle Classification: Developing Wrangling Techniques for Complex Sociotechnical Systems
本文针对开源软件复杂性缺乏分类理论的问题，回顾现有分类尝试，并通过实证混合方法研究，提出按生命周期位置分类开源项目，以推进对开源软件的系统理解。
2025-04-23 cs.HC cs.SE
The Green Software Landscape: A Systematic Mapping Study on Evolution, Applications, Software Lifecycle, and Best Practices
Simula Research Laboratory（Simula研究实验室）；University of Athens（雅典大学）；University College London（伦敦大学学院）
本研究通过系统映射分析2010-2024年390篇Green SE文献，发现2023年起该领域关注度因AI相关研究激增，优化与基准测试为主要研究类型，旨在为SE领域提供能源相关方法与实验实践参考。
2026-08-28 cs.SE
Faster Releases, Fewer Risks: A Study on Maven Artifact Vulnerabilities and Lifecycle Management
本研究分析10,000个Maven制品的发布历史，发现发布速度与依赖过时程度及CVE数量呈负相关，强调加速发布策略对降低安全风险的重要性。
2025-03-31 cs.SE
Lifecycle-Aware code generation: Leveraging Software Engineering Phases in LLMs
School of Computer Science, Fudan University（复旦大学计算机科学学院）
针对现有LLM代码生成忽略软件工程实践的问题，提出融入需求分析等中间产物的生命周期感知框架，通过微调与多步推理显著提升代码生成质量，且训练数据需求低、鲁棒性强。
2025-10-28 cs.AI cs.SE
Making Software FAIR: A machine-assisted workflow for the research software lifecycle
The Open University（开放大学）；CORE；Knowledge Media institute（知识媒体研究所）；Inria（法国国家信息与自动化研究所）；Science Miner；Brno University of Technology（布尔诺理工大学）；Polish Academy of Sciences（波兰科学院）；European Bioinformatics institute（欧洲生物信息研究所）
针对开放研究软件难以被发现和引用的问题，SoFAIR项目提出机器辅助工作流，利用ML识别论文中的软件资产，经作者验证后注册PID并归档，以符合FAIR原则。
2025-01-08 cs.DL cs.IR cs.LG
CROSS: A Contributor-Project Interaction Lifecycle Model for Open Source Software
针对现有开源社区参与模型不兼容、无法全面呈现贡献者参与情况的问题，提出CROSS贡献者-项目交互生命周期模型，描绘各交互阶段及对应驱动力与留存力，为开源项目可持续性研究与实践提供基础。
2024-09-17 cs.CY cs.IT cs.SE
Prompting Large Language Models to Tackle the Full Software Development Lifecycle: A Case Study
Shanghai AI Laboratory（上海人工智能实验室）；Nanjing University（南京大学）；BUPT（北京邮电大学）；Dartmouth College（达特茅斯学院）；Princeton University（普林斯顿大学）；The University of Hong Kong（香港大学）；Tsinghua University（清华大学）；Alibaba Group（阿里巴巴集团）；ByteDance（字节跳动）
本研究通过DevEval基准评估LLMs在完整软件开发生命周期中的表现，发现包括GPT-4在内的现有模型无法应对其挑战，并为未来开发提供见解。
2024-12-14 cs.CL cs.SE
AI Lifecycle Models Need To Be Revised. An Exploratory Study in Fintech
技术领先的组织正在拥抱即将到来的人工智能革命。智能系统正在取代传统的软件组件并与之协作。因此，在人工智能系统中应该遵守软件工程中相同的开发过程和标准。本研究旨在了解基于人工智能的系统开发过程，以及最先进的生命周期模型如何满足行业当前的需求。我们在荷兰国际集团（ING）进行了一项探索性案例研究，荷兰国际集团是一家拥有强大欧洲基础的全球银行。我们采访了17名来自组织内不同部门的不同角色的人。我们发现以前的生命周期模型忽略了以下阶段：数据汇集、可行性研究、文档编制、模型监控和模型风险评估。我们的工作表明，应用机器学习的真正挑战远远超出了复杂的学习算法-需要更多地关注整个生命周期。特别是，不管现有的机器学习开发工具，我们观察到，他们仍然不符合这个领域的特殊性。
2021-06-02 cs.SE
Using the Agile software development lifecycle to develop a standalone application for generating colour magnitude diagrams
虚拟天文台使天文学家能够无缝地发现，访问和处理数据，而无论其物理位置如何。然而，通常需要陡峭的学习曲线才能精通用于访问，分析和可视化这些数据的软件。对于研究和教育目的，具有允许用户在点击按钮时可视化数据的应用程序将是期望的。因此，我们开发了一个独立的应用程序（用Python编写），用于绘制光度色幅图（CMD）-这是研究和教学天文种群最广泛使用的工具之一。CMD Plot Tool应用程序功能“开箱即用”，无需用户安装代码解释器、附加库和模块，也无需修改系统路径;它可用于多个平台。通过图形用户界面（GUI）进行交互，用户可以从各种数据源快速轻松地生成高质量的图，并根据需要进行注释和标记。本文介绍了CMD绘图工具是如何使用面向对象编程和正式的软件设计生命周期（SDLC）开发的。我们强调需要天文软件开发文化，以确定适当的编程范式和SDLC。我们概述了CMD绘图工具的功能和用途，并以星团测光为例。所有结果图都是使用CMD Plot Tool在各种在线虚拟天文台的数据上创建的，或者从观测中获得并使用IRAF/PyRAF进行简化。
2019-06-26 astro-ph.GA astro-ph.IM cs.SE
Explainable Artificial Intelligence Techniques for Software Development Lifecycle: A Phase-specific Survey
Google（谷歌）
本文针对软件工程领域XAI研究阶段分布不均的问题，首次全面综述了多种XAI技术在软件开发生命周期全阶段的应用，以推动XAI落地与AI驱动软件开发发展。
2025-05-11 cs.AI cs.LG cs.SE
Test & Evaluation Best Practices for Machine Learning-Enabled Systems
Virginia Tech National Security Institute（弗吉尼亚理工大学国家安全研究院）
本报告提出机器学习系统全生命周期（组件、集成与部署、部署后）的测试与评估最佳实践，旨在解决各阶段缺乏系统性策略的问题，提升系统可靠性。
2023-10-10 cs.LG cs.SE
Requirements are All You Need: The Final Frontier for End-User Software Engineering
本文探讨终端用户仅用多模态需求即可全流程拥有软件开发的可能性，分析其对终端用户软件工程的影响，并提出弥合现状与未来系统差距所需的研究方向。
2024-05-22 cs.HC cs.SE
Predicting Open Source Software Sustainability with Deep Temporal Neural Hierarchical Architectures and Explainable AI
Dept. of Electrical & Computer Engineering University of Missouri（电气与计算机工程系 芝加哥大学）
本文提出基于深度时间神经层次架构和可解释AI的方法，用于预测开源软件的可持续性，通过多阶段分类流程实现生命周期阶段的高准确率分类。
2026-02-13 cs.AI cs.LG cs.SE
Improving the lifecycle of robotics components using Domain-Specific Languages
University of Extremadura（埃斯特雷马杜拉大学）
目前有大量的机器人软件使用面向组件的编程范式。然而，组件数量和复杂性的快速增长可能会损害机器人软件系统的可扩展性和整个生命周期。模型驱动工程可以用来缓解这些问题。本文介绍了如何使用特定领域的语言来生成和描述机器人系统的关键部件，帮助开发人员执行组件管理任务，如组件的创建，修改，监控和部署。本文提出了四种不同的DSL：i）用于指定组件结构的CDSL，ii）用于描述组件接口的IDSL，iii）用于描述组件网络部署过程的DDSL和iv）用于定义和配置组件参数的PDSL。他们的好处已被证明后，他们在RoboComp，一个通用的和基于组件的机器人框架的实施。这些DSL的使用示例与实验一起展示了它们为组件的生命周期带来的好处。
2013-01-25 cs.RO cs.SE
Conceptualising Cloud Migration Lifecycle
许多支持IT服务的企业软件系统的特点是需要高计算能力和资源消耗（Armbrust et al. 2010; Buyya et al. 2008; Koçak et al. 2013）。云计算举措作为一种可行的解决方案，通过提供广泛的服务来满足这些要求，受到了极大的关注，这些服务是普遍可访问的，可动态获取和发布的，并根据服务使用情况付费。因此，组织将云服务视为增强其遗留系统的机会。
2021-09-04 cs.SE
Impact of Task Cycle Pattern on Project Success in Software Crowdsourcing
众包正在成为一种被接受的软件开发方法，适用于产品生命周期的不同阶段。理想情况下，通过众包的大规模并行生产可能是一个选择，通过利用互联网上无限的工人资源，在软件工程快速收购。理解分解和上传并行任务的模式和策略，以保持稳定的工人供应以及令人满意的任务完成率，这一点很重要。本研究报告是对众包中可用任务生命周期模式的实证分析。根据众包软件开发（CSD）中的瀑布模型，本研究确定了每个项目的任务到达顺序的四种模式：1）先前周期，2）当前周期，3）轨道周期和4）新鲜周期。
2021-03-18 cs.HC cs.SE
The Reproducible Research Platform establishes a unified open science environment bridging data and software lifecycles across disciplines, from proposal to publication
ETH Zurich D-BSSE（苏黎世联邦理工学院生物系统科学与工程系）；Swiss Institute of Bioinformatics（瑞士生物信息学研究所）；ETH Zurich Scientific IT Services（苏黎世联邦理工学院科学IT服务）
可重复研究平台通过统一数据和软件生命周期，提供模块化、可共享的开源环境，使研究人员能够无缝执行和发布FAIR研究工作流，提升科学的可重复性和可访问性。
2025-12-04 cs.DL cs.SE
Aleena: Alignment Agent for Research Software Engineering Collaborations
eScience Institute（eScience研究院）；University of Washington（华盛顿大学）
研究软件协作中决策易失依据致相关人员心智模型不同，提出智能AI可支持对齐与跟踪。介绍开源的Aleena，以GitHub为协作平台，转化交互为结构化记录，揭示风险等，还阐述其动机、设计、原型及场景。
2026-07-10 cs.AI cs.SE
A First Look at the Lifecycle of DL-Specific Self-Admitted Technical Debt
本文挖掘40个ML项目中的185个深度学习专属SATD实例，分析其引入、承认与持续生命周期，发现债务集中于开发早中期及Training、Hardware阶段。
2025-10-04 cs.SE
A green program lifecycle supporting energy-efficient applications
随着物联网（IoT）的出现，由于互联网连接设备在我们的日常生活中无处不在（例如，电表、可穿戴设备等）。虽然软件系统不直接消耗能量，但它们强烈影响硬件的能量消耗。因此，开发人员应该更多地了解这些系统在其生命周期中消耗的能源，并考虑对我们地球可持续性的长期影响。实际上，一旦部署，系统消耗的能量取决于主要由使用上下文确定的几个因素。这意味着节能软件开发领域需要绿色开发生命周期，提供适当的方法和工具，以在设计时早期识别和分析应用程序的能源热点，并了解它们如何自适应运行时上下文使用。令人遗憾的是，开发人员和用户以及他们在应用程序执行期间消耗的能量中的责任的观点很狭隘。正如最近的一些研究所显示的那样，开发人员很少解决能源效率问题，主要是因为他们缺乏适当的方法和工具来帮助他们在运行时生成绿色软件。因此，尽管软件能效在一个越来越依赖技术的世界中变得越来越重要，但由工具支持的自绿化系统的开发过程仍处于起步阶段。另一方面，考虑到许多当前应用通常部署在智能电话或任何种类的智能对象（例如，传感器、手表等），优化执行期间的能耗也将对电池节省产生重大影响，从而提高最终用户的体验质量。
2017-06-21 cs.SE
Increasing the Reusability of Enforcers with Lifecycle Events
可有效地使用强制验证来提高软件应用程序的可靠性。然而，它往往需要确定临时政策和执行战略，而确定和执行这些政策和战略的费用可能很高。本文讨论了如何利用生命周期事件来获得有用的实施策略，可以很容易地跨应用程序重用，从而降低采用运行时实施技术的成本。本文最后概述了如何使用这个想法来定义库，可以自动克服与应用程序滥用它们相关的问题。
2018-10-11 cs.FL cs.SE
Lessons from a Pioneering Software Engineering Environment: Design Principles of Software through Pictures
本文回顾了 Software through Pictures 多用户开发环境的历史背景，阐述了其集成原则，以构建覆盖软件开发生命周期多任务的软件工程环境。
2024-03-12 cs.SE
Beyond Code Generation: Reliability, Verification, and Cost Economics in the Agentic Software Development Lifecycle
本文综合多类研究证据，提出智能体SDLC相关工程概念，探讨AI编码智能体在软件开发全流程的可靠性、成本等问题，核心转向生产合格价值的量化评估。
2026-09-07 cs.AI cs.SE
Sydr-Fuzz: Continuous Hybrid Fuzzing and Dynamic Analysis for Security Development Lifecycle
为了保证软件的安全性，满足安全开发生命周期（SDL）的要求，目前对用于持续测试的自动化动态分析框架的需求很高。尖端混合模糊技术的安全漏洞搜索效率优于广泛使用的覆盖引导模糊。我们提出了一个增强的动态分析管道，以利用生产力的自动错误检测的基础上混合模糊。我们在连续模糊工具集Sydr-Fuzz中实现了所提出的管道，该工具集由混合模糊编排器提供支持，将我们的DSE工具Sydr与libFuzzer和AFL++集成在一起。Sydr-Fuzz还集成了安全谓词检查器、崩溃分类工具Casr以及用于语料库最小化和覆盖率收集的实用程序。我们的混合模糊器对替代国家的最先进的解决方案的基准测试表明，其优越性覆盖引导模糊器，同时保持在同一水平上与先进的混合模糊器。此外，我们通过在OSS-Sydr-Fuzz项目中发现85个新的真实世界软件缺陷来验证我们方法的相关性。最后，我们向社区开放Casr源代码，以方便检查现有的崩溃。
2023-03-23 cs.CR cs.SE
Beyond the Grave: An Empirical Study of Dormancy and Revival in Scientific Open-Source Software
University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）；Oak Ridge National Laboratory（橡树岭国家实验室）；Carnegie Mellon University（卡内基梅隆大学）
通过分析SciCat语料库中2984个休眠后复兴的项目，发现52.5%的休眠原因无法从仓库证据中确定，非持续性复兴是持续性复兴的2.14倍，生命周期原型比复兴机制更能预测可持续性。
2026-06-23 cs.SE
Service Dependability with Continuously Revised Assurance Cases by Multiple Stakeholders: A Case Study
近年来，在基于软件的计算机系统和IT服务领域，保证案例受到了广泛的关注。然而，软件经常变化，没有强有力的软件法规。这些事实是软件保证案例中需要解决的两个主要挑战。我们提出了一种保证案例的开发方法，通过在系统生命周期的每个阶段，包括在运行和故障情况下的服务恢复的持续修订。可靠性论证的质量通过多个利益相关者相互检查来提高。本文报告了我们的经验，提出的方法在ASPEN教育服务的情况下。案例研究表明，持续更新在利益相关者之间创建了大量的主动风险沟通。这给了我们一个充满希望的前景，长期改善服务的可靠性与生命周期保证的情况。
2015-07-31 cs.SE
SimCT: A Simple Consistency Test Protocol in LLMs Development Lifecycle
Beijing University of Posts and Telecommunications（北京邮电大学）；SenseTime Research（商汤科技研究院）
本文提出 SimCT 一致性测试协议，在不访问模型工件的前提下，利用 LightGBM 与 Student’s t-test 从响应和模型层面检查 LLM 跨开发阶段的一致性。
2024-08-09 cs.CL cs.SE
Operationalising Artificial Intelligence Bills of Materials (AIBOMs) for Verifiable AI Provenance and Lifecycle Assurance
本文提出了一种扩展CycloneDX标准的AIBOM框架，用于捕捉AI特定的溯源、模型血统和披露元数据，通过结构化架构工程、密码学验证和智能体驱动自动化，实现可验证的软件溯源，展示了98.7%的可重复性保真度、96.2%的漏洞匹配精度和63%的手动监督减少，验证了自动化溯源保证和可重复AI生命周期验证的可行性。
2026-03-17 cs.AI cs.CR cs.LG
Engineering Trustworthy Software: A Mission for LLMs
该研究探讨大语言模型（LLMs）对软件工程的变革作用，指出其完全集成后能推动全生命周期进程，但需解决准确性、可扩展性等挑战以实现可信的LLM驱动软件工程。
2024-11-27 cs.SE
Why you shouldn't fully trust ChatGPT: A synthesis of this AI tool's error rates across disciplines and the software engineering lifecycle
Queen’s University Belfast（贝尔法斯特女王大学）；Azerbaijan Technical University（阿塞拜疆技术大学）
本研究通过多声文献综述综合量化了ChatGPT在跨学科领域和软件工程生命周期中的错误率，发现其可靠性因任务、领域和模型版本而异，强调在关键环境中仍需人工监督与持续验证。
2025-04-26 cs.AI 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
Systematic Mapping Study on the Machine Learning Lifecycle
ING（ING集团）；Delft University of Technology（代尔夫特理工大学）；Fontys ICT Eindhoven（丰斯埃因霍温应用科技大学ICT学院）
人工智能（AI）的发展让各个行业都渴望探索AI的好处。围绕AI的研究越来越多，其中大部分集中在新AI算法和技术的开发上。然而，人工智能的出现带来了越来越多的与人工智能模型生命周期管理相关的实际问题，需要进行研究。我们通过对AI模型的生命周期进行系统的映射研究来解决这一差距。通过定量研究，我们提供了该领域的概述，确定研究机会，并为未来的研究提供建议。我们的研究产生了2005年至2020年发表的405篇出版物，映射在5个不同的主要研究主题和31个子主题。我们观察到，只有少数出版物关注数据管理和模型生产问题，更多的研究应该从整体的角度来解决人工智能的生命周期。
2021-03-11 cs.AI cs.LG cs.SE
Agile System Development Lifecycle for AI Systems: Decision Architecture
针对传统敏捷SDLC无法适配AI系统开发需求的问题，本文引入决策科学增强敏捷SDLC，聚焦决策自动化场景下的决策架构设计，并通过保险理赔示例验证可行性，为该新领域研究奠定初步基础。
2025-01-17 cs.SE
Software Engineering for Large Language Models: Research Status, Challenges and the Road Ahead
Huazhong University of Science and Technology（华中科技大学）
本文从软件工程视角系统分析了LLM开发生命周期六个阶段的研究现状与挑战，并提出了潜在的研究方向，为未来LLM开发提供有价值的见解。
2025-06-30 cs.AI cs.SE
Improving lifecycle query in integrated toolchains using linked data and MQTT-based data warehousing
日益复杂的物联网系统的开发需要大型工程环境。这些环境通常由来自不同供应商的工具组成，并且不一定能够很好地相互集成。为了实现各种分析的自动化，来自多个工具的跨资源查询必须与工程活动并行执行。在本文中，我们确定了必要的要求，这样的查询能力，并根据这些要求评估不同的体系结构。我们提出了一种改进的生命周期查询架构，该架构建立在现有的跟踪资源集（TRS）协议的基础上，并与MQTT消息传递协议进行了补充，以允许仓库中的数据保持实时更新。作为专注于物联网自动化仓库开发的案例研究的一部分，该架构是为使用RESTful微服务和链接数据集成的工具链实现的。
2018-03-09 cs.MA cs.NI cs.SE
Reshaping the SDLC for Data- and AI-Centric Systems
SDAIA Academy（SDAIA学院）；Saudi Data and Artificial Intelligence Authority (SDAIA)（沙特数据与人工智能管理局）
本文整合DataOps、MLOps、LLMOps，提出分阶段转型描述、轻量级形式化方法、五层框架及概念研究模型，为以数据和AI为中心的系统重塑SDLC并规划研究议程。
2026-08-19 cs.SE
Challenges and issues in collaborative software developments
软件开发过程相对于开发大型和复杂应用程序中的问题已经发展。现在出现了向协作发展的模式转变，因此有必要对这种做法进行评价。许多工具用于协作软件开发（CSD），包括社交媒体和Web 2.0功能。协作开发设施由IDE和项目托管网站提供。在本文中，我们提出了一个调查的合作开发的项目，并讨论在CSD的挑战和问题。我们分析了沟通，协调，支持，生命周期管理的各种问题，并讨论其对软件质量的影响。
2019-03-19 cs.SE
MANAi -- An IntelliJ Plugin for Software Energy Consumption Profiling
开发节能软件解决方案是一项繁琐的任务。我们既需要认识到能源效率在现代软件开发中起着关键作用，也需要工具和技术来支持参与软件开发生命周期的利益相关者。因此，我们提出了MANAi插件，它有助于使单元测试方法的能源消耗明确的集成开发环境（IDE）IntelliJ的插件提供视觉反馈。我们的工具旨在将软件能耗作为软件开发中一个重要的非功能性质量方面。此外，通过MANAi，我们为从学术界到工业界的广泛用户提供了简化软件能量实验过程的工具。
2022-05-06 cs.SE
Every Maintenance Has Its Exemplar: The Future of Software Maintenance through Migration
The State Key Laboratory of Blockchain and Data Security, Zhejiang University（浙江大学区块链与数据安全国家重点实验室）
本文提出首个系统研究议程，探讨基于迁移的软件维护方法，旨在通过迁移技术提升自动化维护效率并解决关键挑战。
2026-02-15 cs.SE
How Do AI Coding Agents Contribute to Software Development? an Empirical Study of Agentic Pull Requests
Polytechnique Montréal（蒙特利尔大学）
研究人工智能编码代理对软件开发的贡献，通过AIDev数据集，分析代理与人工生成PR的合并率差异、任务分布及关键特征，从实证和纵向角度理解其在软件开发中的作用、优点及局限性。
2026-07-27 cs.LG cs.SE
Stratum: A Serverless Framework for Lifecycle Management of Machine Learning based Data Analytics Tasks
Vanderbilt University（范德堡大学）；Lockheed Martin Advanced Technology Laboratories（洛克希德·马丁先进技术实验室）
随着机器学习（ML）库和框架以及它们使用的程序设计语言的激增，以及数据加载、转换、准备和挖掘等操作，ML模型开发正在成为一项艰巨的任务。此外，由于基于云的ML模型开发平台过多，硬件异构，越来越多地关注利用边缘计算资源进行低延迟预测服务，并且通常缺乏对有效执行ML工作流所需资源的完整了解，ML模型部署需要专业知识来有效管理ML工作流的生命周期，并以最小的成本。为了应对这些挑战，我们提出了一个端到端的数据分析，一个名为Stratum的无服务器平台。Stratum可以跨云-雾-边缘频谱部署、调度和动态管理数据摄取工具、实时流应用、批处理分析工具、ML即服务（用于推理作业）和可视化工具。本文描述了Stratum架构，强调它解决的问题。
2019-04-03 cs.DC cs.LG cs.SE
AI Asset Management for Manufacturing (AIM4M): Development of a Process Model for Operationalization
本文提出了一种面向制造业的AI资产生命周期管理过程模型（AIM4M），基于MLOps原则并针对信息物理生产系统（CPPS）的特定需求进行细化，旨在支持组织系统地在全生命周期内开发、部署和管理AI资产，解决AI运营化挑战。
2025-09-15 cs.SE
