EALink: An Efficient and Accurate Pre-trained Framework for Issue-Commit Link Recovery
针对现有issue-commit链接恢复方法参数量大、难以适配大型项目的问题，提出轻量预训练框架EALink，结合多种优化技术，在大幅降低训练推理开销的同时，显著提升链接恢复效果。
2023-08-21 cs.SE
AVIATE: Exploiting Translation Variants of Artifacts to Improve IR-based Traceability Recovery in Bilingual Software Projects
本文提出AVIATE策略，通过利用不同翻译器产生的翻译变体中的共识双词项来丰富工件文本并增强IR值，从而改进双语软件项目中的追踪性恢复，实验证明其显著优于现有方法。
2024-09-28 cs.SE
Software Architecture Recovery with Information Fusion
针对软件架构恢复中信息来源单一、利用粒度粗的问题，提出全自动 SARIF 方法，融合依赖、代码文本和文件夹结构并自适应加权，在九个项目上较九种现有最佳技术平均准确率提升36.1%。
2023-11-08 cs.SE
Comparison of Static Analysis Architecture Recovery Tools for Microservice Applications
本研究针对微服务架构监管难、缺乏工具有效性实证综述的问题，计划通过多源文献梳理静态分析架构恢复工具，在通用数据集上实测并比较其有效性，为CI/CD集成提供参考。
2024-03-11 cs.SE
Enhancing Requirements Traceability Link Recovery: A Novel Approach with T-SimCSE
School of Computer Science and Technology, Zhejiang Gongshang University（浙江工商大学计算机科学与技术学院）；Zhejiang Key Laboratory of Big Data and Future E-Commerce Technology（浙江省大数据与未来电子商务技术重点实验室）；Department of Computer Science, The University of Manchester（曼彻斯特大学计算机科学系）
本文提出基于SimCSE的T-SimCSE方法，通过计算需求与目标制品的相似性并重新排序，提升需求可追溯链接的恢复性能。
2026-03-12 cs.SE
SoK: Systematizing Software Artifacts Traceability via Associations, Techniques, and Applications
Nanjing University of Science and Technology（南京理工大学）；Shenzhen Technology University（深圳技术大学）；Zhejiang Sci-Tech University（浙江理工大学）
本文系统回顾了软件可追溯性恢复技术，揭示了制品关联的不平衡、技术可复现性危机及工业应用缺口，提出角色导向框架以促进工程实践。
2026-03-17 cs.SE
Open Source Software: How Can Design Metrics Facilitate Architecture Recovery?
Aristotle University of Thessaloniki（塞萨洛尼基亚里士多德大学）；T.E.I. of Larisa（拉里萨技术教育学院）
现代软件开发方法包括开源代码的重用。软件的体系结构知识可以促进重用，而不一定在开源软件的文档中提供。理解系统的源代码和发现其体系结构所需的工作可以被认为是重用的主要缺点。在最近的一项研究中，我们检查了设计度量和类的架构层之间的相关性。在本文中，我们应用我们的方法在更多的开源项目，以验证我们的方法的适用性。关键词：系统理解;程序理解;面向对象;重用;体系结构层;设计度量;
2011-10-10 cs.AI cs.SE
Debugging the Debuggers: Failure-Anchored Structured Recovery for Software Engineering Agents
Nankai University（南开大学）；Tsinghua University（清华大学）；Microsoft（微软）
提出PROBE框架，通过遥测层、诊断层和指导门将运行时证据转化为结构化恢复指导，在代码修复、工作流恢复等场景中诊断准确率65.37%，恢复率21.79%。
2026-06-05 cs.AI cs.SE
UserTrace: User-Level Requirements Generation and Traceability Recovery from Software Project Repositories
针对现有方法忽视用户级需求与项目演进影响的问题，提出多智能体系统 UserTrace，通过协调四个专门智能体自动生成用户级需求并恢复其实时可追溯链接，实验证明其生成质量和追溯精度均优于基线及现有方法。
2025-09-14 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
Automatic link extraction: The good, the bad and the ugly in software ecosystem mining
本文根据我们在RubyGems包管理器元数据中手动调查链接的经验，介绍了自动链接提取的陷阱。这项工作可以导致自动化的链接提取方法，以避免这些陷阱，并产生更完整的数据集，供研究人员使用时，他们调查软件生态系统的多平台演变。
2017-11-18 cs.SE
Comparison of Static Analysis Architecture Recovery Tools for Microservice Applications
本研究通过多源文献综述识别出13款面向微服务应用的静态架构恢复工具，对其中9款的检测能力进行对比，发现最优工具F1值为0.86，进一步组合4款工具可将F1值提升至0.91。
2024-12-11 cs.SE
Using Experience Sampling to link Software Repositories with Emotions and Work Well-Being
背景：经验抽样方法研究人类在自然环境中的日常经验。在心理学中，它被用来研究工作幸福感和生产力之间的关系。据我们所知，日常经验抽样以前没有在软件工程中使用过。目标：我们的目的是确定软件开发人员自我报告的情感状态和工作幸福感和从软件库中获得的措施之间的联系。方法：我们在一家软件公司进行了为期八个月的经验抽样研究，我们使用逻辑回归将幸福感测量与开发活动联系起来，即提交和聊天消息的数量。结果：我们发现问卷变量和软件库变量之间有几个显着的关系。令我们惊讶的是，匆忙和提交数量之间的关系是负的，这意味着更多的感知匆忙与更少的提交数量有关。我们还发现，社会互动和阻碍工作幸福感之间存在负相关。结论：提交和匆忙之间的负面联系是违反直觉的，也与之前软件工程中的实验室实验相反，这些实验表明在时间压力下效率会提高。总的来说，我们的工作是在软件工程中使用经验抽样和验证软件工程领域其他领域的工作幸福感理论的第一步。
2018-09-04 cs.SE
ArchAgent: Scalable Legacy Software Architecture Recovery with LLMs
HiThink Research（慧思研究）；University of Science and Technology of China（中国科学技术大学）
ArchAgent通过结合静态分析、自适应分段和LLM合成，实现大规模遗留软件架构的高效恢复与多视图业务对齐。
2026-01-19 cs.AI cs.SE
How Requirements Quality Makes (or Breaks) Traceability Link Recovery
Karlsruhe Institute of Technology (KIT)（卡尔斯鲁厄理工学院）；Chalmers University of Technology（查尔姆斯理工大学）；University of Gothenburg（哥德堡大学）
研究需求质量缺陷对自动化追踪链接恢复（TLR）性能的影响，通过标注189个用例描述中的28种缺陷并测试五种TLR方法，发现某些缺陷有害或有益，且不同方法响应各异。
2026-06-11 cs.SE
Embedding Software Intent: Lightweight Java Module Recovery
Department of Informatics, University of California, Irvine（信息学院，加州大学伊文斯顿分校）
本文提出ClassLAR方法，通过类和语言模型恢复Java模块，提升架构恢复效率和准确性。
2025-12-17 cs.AI cs.SE
Domain Knowledge Discovery Guided by Software Trace Links
软件密集型项目使用领域术语进行指定和建模。领域术语的知识对于执行许多软件工程任务是必要的，例如影响分析、遵从性验证和安全认证。然而，发现高技术软件和系统工程领域的领域术语和推理它们之间的相互关系是一项复杂的任务，需要大量的领域专业知识和人力。在本文中，我们提出了一种新的方法，利用软件密集型系统中的跟踪链接，以指导挖掘过程中包含领域知识的事实。驱动我们挖掘过程的跟踪链接定义了法规和要求等工件之间的关系，并通过高收益的领域术语组合进行引导搜索。我们的概念验证评估表明，我们的方法有助于发现领域事实，即使在高度复杂的技术领域。这些领域事实可以为各种软件工程活动提供支持。作为一个用例，我们展示了挖掘的事实如何促进项目Q&A的任务。
2018-08-15 cs.SE
Software-Based Fault Recovery via Adaptive Diversity for COTS Multi-Core Processors
嵌入式系统对高性能和高性价比的要求越来越高，这导致了使用商用现成硬件的趋势。然而，由于其高度集成的设计，它们变得越来越容易受到硬件错误（例如，由辐射引起的软错误或磨损效应引起的）的影响。由于这种故障无法完全预防，系统必须应对其影响。与此同时，嵌入式系统中也出现了多核处理器的趋势。文献中已经提出了通过使用多核来建立冗余来实现容错的方法。然而，通常仅考虑同构冗余技术来容忍软错误。然而，在永久性硬件故障的情况下，缺乏用于恢复系统的适当反应机制。在这里，我们提出了一个具有成本效益的自动引入多样性的执行软件副本，以提高多核冗余技术的基本思想。最近，这些自动化的软件多样性技术在安全领域引起了人们的注意。我们建议使用这些技术从永久性硬件故障中恢复。这是通过以减轻永久性故障的方式调整软件执行来实现的。
2015-11-21 cs.ET cs.SE
MPLinker: Multi-template Prompt-tuning with Adversarial Training for Issue-commit Link Recovery
针对问题-提交链接恢复任务中预训练语言模型语义信息利用不足的问题，提出MPLinker方法，通过多模板提示微调与对抗训练提升模型性能与泛化能力，在多个开源项目上显著超越现有方法。
2025-01-31 cs.SE
Using Consensual Biterms from Text Structures of Requirements and Code to Improve IR-Based Traceability Recovery
可追溯性根据两个工件是否通过系统功能相关来批准软件工件之间的跟踪链接。这些痕迹对软件开发很有价值，但很难手动获得。为了应对昂贵的和容易出错的手动恢复，自动化的方法被提出来恢复痕迹，通过软件工件之间的文本相似性，如那些基于信息检索（IR）。然而，低质量和数量的工件文本的负面影响计算的IR值，从而极大地阻碍了基于IR的方法的性能。在这项研究中，我们提出从需求和代码的文本结构中提取共现词对（即，共识双项），以提高基于IR的可追溯性恢复。我们首先根据需求文本的词性收集一组双术语，然后通过代码文本过滤它们。然后，我们使用这些一致的双术语，既丰富了输入语料库的IR技术，提高计算的IR值。基于九个系统的评估表明，一般来说，当单独用于增强IR技术时，我们的方法可以在AP中分别超过纯IR方法和另一基线21.9%和21.8%，在MAP中分别超过9.3%和7.2%。此外，当用于从不同角度与另一种增强策略合作时，它可以在AP和MAP中分别超过该基线5.9%和4.8%。
2022-09-05 cs.SE
TRIAD: Automated Traceability Recovery based on Biterm-enhanced Deduction of Transitive Links among Artifacts
针对不同抽象层级软件制品文本差异导致 IR 追溯失效的问题，提出 TRIAD，利用中间制品的共识 biterm 与内外部传递链接调整相似性，在五个系统上显著优于四种现有方法。
2024-01-17 cs.SE
Science-Software Linkage: The Challenges of Traceability between Scientific Knowledge and Software Artifacts
尽管计算机科学论文通常伴随着软件工件，但将研究论文与其软件工件连接起来（反之亦然）并不总是微不足道的。首先，在如何提供这种联系方面缺乏公认的标准。此外，提供的链接，如果有的话，经常会过时：当预印本被删除时，当存储库被迁移时，或者当论文和存储库独立发展时，它们会受到链接腐烂的影响。在本文中，我们总结了研究论文和相关源代码链接的实践状态，强调了最近的努力，建立和维护这样的链接。我们还报告了几项实证研究的结果，重点是科学论文和相关的软件工件之间的关系，我们概述了可追溯性和克服这些挑战的机会相关的挑战。
2021-04-13 cs.DL cs.SE
Framework for Version Control & Dependency Link of Components & Products in a Software Product Line
软件产品线涉及从现有核心资产（通常称为组件）组装产品，并在生产过程中不断增加核心资产。这个思想在基于组件的体系结构的软件开发方面已经变得至关重要。由于在软件产品线上，人们必须同时处理大量的产品和组件，因此需要制定一种策略，这将有助于存储组件和产品信息，以便可以轻松地跟踪它们，以便进一步开发。这种存储策略应反映产品和组件之间的关系，以便可以追溯与组件相关的产品历史，反之亦然。本文提出了一种基于树结构的软件产品线中构件和产品的存储策略。该策略将使我们能够存储有关组件和产品的重要信息，以及它们的组成和使用关系。我们实现了这一概念，并模拟了软件产品线环境。
2015-07-24 cs.SE
Don't mention it: An approach to assess challenges to using software mentions for citation and discoverability research
本文提出一种评估软件提及数据集可用性的方法，并通过应用于两个数据集揭示了数据集结构、提及质量及软件链接等方面的挑战，指出软件引用实践仍需改进。
2024-02-22 cs.SE
AgentR A Stateful and Recovery-Aware Software Architecture for LLM-based Auditable Workflows
Indian Institute of Technology Kharagpur（印度理工学院卡拉格普尔分校）；The University of Melbourne（墨尔本大学）；Techno India University（泰克诺印度大学）
提出AgentR架构，以有状态设计结合异步编排与成本审计，实现LLM工作流的高可恢复性、可观测性与可审计性，原型在文献综述场景验证获99.2%作业完成率及最高4.3倍并行加速
2026-08-18 cs.SE
LinkAnchor: An Autonomous LLM-Based Agent for Issue-to-Commit Link Recovery
Bowling Green State University（伯灵顿州立大学）；University of Nebraska-Lincoln（内布拉斯加大学林肯分校）；University of Zurich（苏黎世大学）
针对软件仓库中问题到提交链接恢复的挑战，本文提出LinkAnchor，通过懒惰访问架构动态检索相关数据，提升链接恢复的准确性和效率。
2026-06-29 cs.AI cs.SE
Requirements Traceability: Recovering and Visualizing Traceability Links Between Requirements and Source Code of Object-oriented Software Systems
本文提出 YamenTrace 方法，结合潜在语义索引和形式概念分析，自动恢复并可视化面向对象软件中需求与代码之间的可追溯链路，以减轻人工维护负担并提升需求管理效率。
2023-07-09 cs.SE
Exploring the links between software development task type, team attitudes and task completion performance: Insights from the Jazz repository
内容：为了更好地理解软件开发中各种人为因素的影响，以及团队的态度如何与他们的表现相关，越来越多的注意力被给予了与团队相关的人工制品的研究。特别是，研究人员对一系列团队沟通渠道进行了大量研究，以探索开发人员的语言使用与他们交付的产品中软件错误发生率之间的联系。然而，尽管有令人信服的证据表明需要更广泛地了解团队的态度，但对软件系统开发和交付期间通常执行的全部软件任务的关注相对有限。目的：因此，我们的动机，研究任务类型和团队的态度之间的关系，以及如何在团队的通信中表达的态度可能与他们的任务完成绩效时，进行一系列的活动。方法：我们的调查涉及来自149个团队的474名IBM Jazz实践者的人工制品，他们在三年的时间里从事大约30，000项软件开发任务。我们应用语言分析，标准的统计技术和指导内容分析，以解决我们的研究目标。结果如下：我们的证据表明，团队在处理各种形式的软件任务时表达了不同的态度，当他们致力于修复缺陷时，他们特别情绪化。也就是说，团队的态度表达并不能很好地预测他们的任务完成情况。结论：旨在减少bug发生率的努力可以积极地限制团队在解决bug时的情绪倾向，从而减少对情绪稳定的成员的高需求。（节录）
2021-04-25 cs.SE
Establishing Traceability Links between Release Notes & Software Artifacts: Practitioners' Perspectives
University of Saskatchewan（萨斯喀彻温大学）；Thompson River University（汤普森河大学）
本文提出基于大语言模型的自动方法，用于建立软件发布说明与开发工件之间的可追溯性链接，通过实证研究和用户调查验证了其有效性与实用性。
2025-11-22 cs.SE
OpenReq Issue Link Map: A Tool to Visualize Issue Links in Jira
随着项目和产品规模的增加，管理软件项目变得越来越复杂。为了应对这种复杂性，许多组织使用问题跟踪系统，其中任务，错误和需求被存储为问题。不幸的是，即使使用问题跟踪器，管理软件项目也可能仍然混乱。特别是对于长期存在大量问题和问题之间的联系的项目，通常很难保持对依赖关系的概述，特别是当每天报告数十个新问题时。我们提供了一个Jira插件，它支持开发人员、项目经理和产品所有者管理和概述问题及其依赖关系。我们的工具可视化问题链接，帮助查找问题之间缺失或未知的链接，并检测不一致性。
2019-09-17 cs.SE
Semantically Enhanced Software Traceability Using Deep Learning Techniques
在大多数安全关键领域中，认证机构规定了对可追溯性的需求。跟踪链接通常是在需求、设计、源代码、测试用例和其他工件之间创建的，然而，手动创建这样的链接既耗时又容易出错。自动化解决方案使用信息检索和机器学习技术来生成跟踪链接，然而，当前技术未能理解软件工件的语义或将领域知识集成到跟踪过程中，因此倾向于提供不精确和不准确的结果。在本文中，我们提出了一个解决方案，使用深度学习将需求工件语义和领域知识纳入跟踪解决方案。我们提出了一个跟踪网络架构，利用词嵌入和递归神经网络（RNN）模型来生成跟踪链接。词嵌入学习表示领域语料库知识的词向量，RNN使用这些词向量来学习需求工件的句子语义。我们使用正训练控制域中现有的跟踪链路训练了360种不同配置的跟踪网络，并将双向门控递归单元（BI-GRU）确定为跟踪任务的最佳模型。BI-GRU的性能明显优于最先进的跟踪方法，包括向量空间模型和潜在语义索引。
2018-04-06 cs.SE
Contextual Documentation Referencing on Stack Overflow
软件工程是知识密集型的，需要软件开发人员不断地搜索知识，通常是在社区问答平台上，如Stack Overflow。这种信息共享平台并不是孤立存在的，它们存在于更广泛的软件文档生态系统中的部分证据是论坛帖子中常见的指向其他文档资源的超链接。为了帮助改善Stack Overflow和其他文档资源之间的信息扩散，我们进行了一项研究，以回答在Stack Overflow线程中如何以及为什么引用文档的问题。我们对来自正则表达式和Android开发两个不同领域的759个链接进行了抽样和分类，以定性和定量地分析链接的上下文和目的，包括属性，意识和建议。我们发现，Stack Overflow上的链接有着广泛的不同用途，从引用链接到引用链接到复制到Stack Overflow的内容，到使用维基百科页面澄清概念的链接，再到推荐软件组件和背景阅读资源。这个目的谱有主要的推论，包括我们的观察，链接到文档资源是一个典型的技术领域的信息需求的反映。我们提供了一个框架和方法来分析Stack Overflow链接的上下文和目的，这是一个注释链接的公共数据集，并描述了关于Stack Overflow链接实践的五个主要观察结果。我们进一步指出了潜在的工具支持，以增强Stack Overflow和其他文档资源之间的信息扩散。
2020-03-16 cs.SE
Natural Language-Programming Language Software Traceability Link Recovery Needs More than Textual Similarity
School of Computer Science and Artificial Intelligence, Wuhan Textile University（计算机科学与人工智能学院，武汉纺织大学）；School of Computer Science, Wuhan University（计算机科学学院，武汉大学）；The University of Melbourne（墨尔本大学）；The University of Western Australia（西澳大学）
针对软件可追踪性链接恢复中文本相似性不足的问题，提出整合多种领域特定辅助策略的HGT和Gemini 2.5 Pro模型，在需求-代码任务上平均F1分别提升3.68%和8.84%。
2025-09-06 cs.AI cs.SE
Automated Recovery of Issue-Commit Links Leveraging Both Textual and Non-textual Data
Sharif University of Technology（谢里夫理工大学）
一个issue记录了关于问题跟踪系统中所需更改的讨论，而一个commit则包含了版本控制系统中的更改本身。恢复问题和提交之间的链接可以促进许多软件演化任务，如错误定位和软件文档。之前对GitHub上超过50万个问题的研究报告显示，只有大约42.2%的问题是由开发人员手动链接到相关提交的。自动化提交-问题对的链接可以有助于改进所述任务。到目前为止，目前最先进的自动提交-问题链接方法精度较低，导致不可靠的结果，有时甚至会对预测的链接进行人工监督。当提交或问题中缺少文本信息时，低性能变得更加严重。目前的方法也被证明计算昂贵。我们提出了混合链接器，以克服这种限制，利用两个信息渠道;（1）一个非文本为基础的组件，操作非文本，自动记录的提交-问题对的信息来预测链接，（2）一个基于文本的一个使用文本信息的提交-问题对做同样的事情。然后，结合两个分类器的结果，Hybrid-Linker做出最终的预测。因此，每当一个组件在预测链接时出现不足时，另一个组件就会填补空白并改进结果。我们在12个项目的数据集上评估了混合链接器与竞争方法，即FRLink和DeepLink。基于查全率、查准率和F-测度，Hybrid-Linker分别达到90.1%、87.8%和88.9%。它在F指标方面也比FRLink和DeepLink高出31.3%和41.3%。此外，Hybrid-Linker在性能方面也表现出广泛的改进。
2021-07-05 cs.LG cs.SE
Recovering Software Architecture Intent from Historical Work Items using Generative AI: A Mixed-Methods Industry Case Study
Technical University of Munich（慕尼黑工业大学）
本研究以两个行业项目为对象，提出基于LLM的五步半自动工作流，结合混合方法验证，可从历史敏捷工作项中恢复C4架构图，生成的架构基线准确有用，能揭示架构差异与漂移，且具备实际可行性。
2026-08-31 cs.SE
Self-Healing Software Systems: Lessons from Nature, Powered by AI
受生物愈合机制启发，本文提出由AI驱动的自愈软件框架，利用可观测性工具、AI模型和愈合代理实现故障自动检测、诊断与修复，有效减少停机时间并增强软件韧性。
2025-04-25 cs.AI cs.SE
An Approach for Discovering Traceability Links between Regulatory Documents and Source Code Through User-Interface Labels
在受监管的应用领域中，软件供应商必须维护监管项目和实现它们的代码库之间的可跟踪性链接。在本文中，我们提出了一个可追溯性的方法，基于直觉，监管文件和相应的软件应用程序的用户界面是非常接近的。首先，它们使用相同的术语。第二，大多数重要的法规信息出现在图形用户界面中，因为这些应用领域的最终用户关心法规（通过构造）。我们在绿色建筑领域评估我们的方法。评估涉及领域专家，该领域内商业产品的首席架构师。评估表明，恢复的可追溯性链接准确。
2014-03-11 cs.SE
High-level Stream Processing: A Complementary Analysis of Fault Recovery
本文针对流处理框架容错度量不足的问题，扩展故障恢复实验并分析配置空间，揭示恢复与性能优化潜力及配置调优复杂性，强调需引入透明调优抽象并加强跨社区协作。
2024-05-13 cs.DC cs.PF 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
TVR: Automotive System Requirement Traceability Validation and Recovery Through Retrieval-Augmented Generation
University of Ottawa（渥太华大学）；Research Ireland Lero Centre, University of Limerick（利默里克大学 Lero 研究中心）；Wind River Systems（风河系统）
提出TVR方法，利用大语言模型和检索增强生成技术，验证和恢复汽车系统中利益相关者需求与系统需求之间的可追溯性链接，实验证明其在工业环境中的有效性。
2026-07-03 cs.SE
SyncMind: Measuring Agent Out-of-Sync Recovery in Collaborative Software Engineering
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Northwestern University（西北大学）
提出 SyncMind 框架与含 24,332 个实例的 SyncBench 基准，系统评估 LLM 智能体在协作软件工程中的失步恢复、协作意愿及资源感知能力。
2025-06-09 cs.AI cs.CL cs.SE
9.6 Million Links in Source Code Comments: Purpose, Evolution, and Decay
链接是万维网的基本特征，源代码库也不例外。然而，尽管有许多无可争议的好处，链接可能会受到衰减，版本控制不足和缺乏双向可追溯性的影响。在本文中，我们调查的作用，包含在源代码注释链接从这些角度来看。我们对大约960万个链接进行了大规模研究，以确定它们的流行程度，我们使用混合方法来确定链接的目标，目的，衰变和进化方面。我们发现，链接在源代码存储库中很普遍，许可证，软件主页和规范是常见的链接目标类型，并且通常包含链接以提供元数据或属性。链接很少更新，但许多链接目标会演变。在源代码注释中包含的链接中，几乎有10%是死的。然后，我们向开源软件仓库提交了一批链接修复拉取请求，导致我们的大多数修复成功合并。我们的研究结果表明，源代码注释中的链接确实是脆弱的，我们的工作为未来解决这些问题开辟了途径。
2019-02-15 cs.SE
Bridging the Gap: Adapting Evidence to Decision Frameworks to support the link between Software Engineering academia and industry
Federal University of Mato Grosso do Sul (UFMS)（南马托格罗索联邦大学）；Federal University of Amazonas (UFAM)（亚马孙联邦大学）
本文提出将证据到决策框架引入软件工程，以提升系统文献综述结果对产业实践的指导作用，并探讨其实施挑战。
2026-02-08 cs.SE
Does Link Prediction Help Detect Feature Interactions in Software Product Lines (SPLs)?
Iowa State University（爱荷华州立大学）
软件产品线需求工程的一个持续挑战是预测新的功能组合（功能单元）是否会产生不必要的甚至危险的功能交互。因此，我们寻求在开发早期改进和自动化不需要的功能交互的预测。在本文中，我们将展示如何在一个软件产品线检测不必要的功能相互作用，可以有效地表示为一个链接预测问题。链接预测使用机器学习算法和图的节点之间的相似性分数来识别可能的新边。我们在这里建模的软件产品线功能节点和功能之间的边缘不必要的相互作用。我们调查六个基于链接的相似性度量，一些使用本地和一些使用全局知识的图形，在这种情况下使用。我们在文献中的软件产品线基准上评估我们的方法，从基于图的相似性数据中构建六个机器学习模型。结果表明，在这项小型研究中，最好的ML算法将特征交互分类为不需要的或需要的准确度达到了0.75到1，并且全局相似性度量的表现优于局部相似性度量。这项工作展示了链接预测模型如何帮助找到丢失的边缘，这些边缘代表了开发早期未记录或未识别的不需要的功能交互。
2020-09-15 cs.LG cs.SE cs.SI
Control Flow Graph Recovery for Dynamically Loaded Code via Symbolic Library Resolution
V.M. Glushkov Institute of Cybernetics of the NAS of Ukraine（乌克兰国家科学院V.M.格鲁什科夫控制论研究所）
提出结合符号执行与推测性库预加载的方法，通过拦截动态加载操作并加载实际库到分析状态，恢复二进制文件中动态加载代码的控制流图，在16个合成基准测试中平均额外恢复29.8%的节点和26.5%的边，库检测精度和召回率均达100%。
2026-05-28 cs.CR cs.SE
SpecMap: Hierarchical LLM Agent for Datasheet-to-Code Traceability Link Recovery in Systems Engineering
H2LooP.ai（H2LooP人工智能研究院）
SpecMap通过分层LLM代理实现嵌入式系统datasheet到代码的可追溯性链接恢复，提升映射精度与效率，支持自动化分析与下游应用。
2026-01-16 cs.AI cs.SE
FC-SWE: Failure-Conditioned RL for Long-Horizon Software Engineering Agents
NVIDIA（英伟达）；Tsinghua University（清华大学）
FC-SWE提出失败条件强化学习框架，利用失败补丁和验证器反馈作为上下文训练恢复轨迹，通过轨迹局部奖励和活跃集优势估计改进GRPO，在SWE-bench Verified上显著提升解决率。
2026-10-07 cs.LG cs.SE
Improving the Effectiveness of Traceability Link Recovery using Hierarchical Bayesian Networks
William & Mary（威廉与玛丽学院）；Cisco Advanced Security Research Group（思科高级安全研究组）；Cisco Security and Trust Engineering（思科安全与信任工程部）
可追溯性是现代软件开发过程的基本组成部分，有助于确保程序正常运行和安全。由于手动建立跟踪链接的成本很高，研究人员已经开发出自动化的方法，使用相似性度量来绘制文本软件工件之间的关系。然而，这种技术的有效性往往是有限的，因为它们只利用单一的测量工件相似性，不能同时建模（隐式和显式）的各种开发工件的组之间的关系。在本文中，我们说明了如何通过使用量身定制的概率模型来克服这些限制。为此，我们设计并实现了一个层次化的ProObjectiveModel for SoftwarE Traceability（彗星），它能够推断出候选跟踪链接。Comet能够通过结合文本相似性的多种测量的互补观察能力来建模工件之间的关系。此外，我们的模型可以从整体上整合来自不同来源的信息，包括开发人员的反馈和软件工件组之间的传递（通常是隐式的）关系，以提高推理的准确性。我们对Comet进行了全面的实证评估，说明了在最佳情况下$\approx$ 14%的一组最佳配置基线上的改进，以及在所有受试者中$\approx$ 5%的平均精度。Comet在实践中的相对有效性可能更高，因为通常不可能进行最佳配置。最后，我们在对使用原型Comet Jenkins插件的Cisco Systems开发人员的调查中说明了Comet的实用性潜力。
2022-04-11 cs.AI cs.SE
Node mixing and group structure of complex software networks
大型软件项目是最复杂的人造系统之一，由相互依赖的部分组成。过去从复杂网络的角度对软件系统的研究已经导致了不同应用的显着发现。尽管如此，我们对软件网络结构的理解仍然只是部分的。在这里，我们研究相关性或链接节点之间的混合，并表明软件网络揭示二分法节点度混合类似于最近在生物网络中观察到的。我们进一步表明，软件网络也揭示了特征聚类配置文件和混合。因此，软件网络中的节点混合与例如，互联网或社交网络。我们解释所观察到的混合通过存在的节点组具有共同的链接模式。更确切地说，除了被称为社区的紧密联系的群体之外，软件网络还包括表示模块，核心/外围结构等的断开的群体。此外，组与底层软件项目的内在属性相吻合，这促进了在软件工程中的实际应用。
2015-02-17 cs.SE cs.SI physics.soc-ph
Towards a Theory of Affect and Software Developers' Performance
三十多年来，人们一直认为提高软件开发人员的生产力和软件质量的一种方法是关注人。潜在的假设似乎是“快乐和满意的软件开发人员表现更好”。更具体地说，情感-情绪和心情-对个人的认知活动和工作表现有影响。开发任务主要是通过认知过程进行的，然而软件工程研究（SE）缺乏关于情感及其对软件开发活动影响的理论。这篇博士论文支持研究SE的人类和社会方面以及编程心理学的倡导者。本论文旨在从理论上探讨情感与软件开发绩效之间的联系。采用混合方法的方法，其中包括心理学和SE，定量实验和定性研究的文献研究，构建一个多方面的理论影响和编程性能之间的联系。该理论阐明了开发人员的影响和分析问题解决性能之间的联系，他们的软件开发任务生产力，以及联系背后的过程。这些结果在SE和心理学领域是新颖的，它们填补了以前的研究和从业者提出的一个重要不足。这个博士学位的意义在于为研究和理解软件开发人员的影响以及它与软件开发性能的关系奠定了基础。总的来说，证据表明，快乐的软件开发人员在分析问题解决方面表现更好，在开发软件时更有效率，倾向于分享他们的感受，以便让研究人员和管理人员理解他们，并且容易受到干预措施的影响，以增强他们对工作的影响。
2016-01-23 cs.CY cs.SE
Trust-Aware Multi-Agent Traceability: Confidence-Calibrated Knowledge Graphs for Consistent Software Artifact Management
CairoMotive Cairo, Egypt（开罗动力埃及）
提出一种信任感知协调框架，通过共享知识图谱和校准置信度分数，结合嵌入检索与LLM多准则分析的两阶段可追溯性链接预测管道，解决多智能体系统中错误传播问题。
2026-06-17 cs.AI cs.SE
Complex Dependencies in Large Software Systems
从复杂适应系统理论的角度分析了两个大型开源软件系统。对于这两个系统，完整的依赖图的构造和它们的性质是一致的随机增长的假设。特别是，传入链接是根据Zipf定律分布的两个系统。使用小世界标准的有向图，它表明，相反，在文献中的要求，这些软件系统不具备小世界属性。此外，有人认为，小世界属性是没有任何特别的优势，在一个标准的分层架构。最后，建议的特征向量中心性可以发挥重要作用，在决定哪些开源软件包中使用的关键任务的应用程序。这是因为仅仅知道传入链接的绝对数量不足以决定一个包对整个系统的重要性，相反，链接包的重要性也起着重要的作用。
2009-09-16 cs.SE nlin.AO physics.soc-ph
Software Engineering Event Modeling using Relative Time in Temporal Knowledge Graphs
McGill University（麦吉尔大学）；Google Research（谷歌研究院）
我们提出了一个多关系的时间知识图谱的基础上，在GitHub，最大的社会编码平台之一的工件之间的日常互动。这种表示使得能够提出许多用户活动和项目管理问题，作为知识图谱上的链接预测和时间查询。特别是，我们引入了两个新的数据集i）内插的时间条件链接预测和ii）外推的时间条件链接/时间预测查询，每一个都具有独特的属性。我们对这些数据集的实验强调了调整知识图谱来回答广泛的软件工程问题的潜力。同时，它也揭示了现有的时态模型的外推查询和时间预测查询的一般性能不令人满意。为了克服这些缺点，我们引入了一个扩展到当前的时间模型，使用相对的时间信息与过去的事件。
2020-07-13 cs.LG cs.SE stat.ML
What are Weak Links in the npm Supply Chain?
现代软件开发经常使用第三方软件包，这引发了对供应链安全攻击的担忧。许多攻击者针对流行的包管理器，如npm，以及他们的用户进行供应链攻击。2021年，利用开源软件供应链进行的安全攻击同比增长650%。需要主动的方法来预测高风险供应链攻击的软件包漏洞。这项工作的目标是帮助软件开发人员和安全专家通过实证研究npm包元数据来测量npm供应链薄弱环节信号，以防止未来的供应链攻击。在本文中，我们分析了163万个JavaScript npm包的元数据。我们提出了软件供应链中安全漏洞的六个信号，例如安装脚本的存在，与过期的电子邮件域相关的维护者帐户，以及不活动的软件包与不活动的维护者。我们的一个案例研究从安装脚本信号中识别出11个恶意软件包。我们还发现了2，818个与过期域名相关的维护者电子邮件地址，允许攻击者通过接管npm帐户来劫持8，494个软件包。我们通过470名npm软件包开发人员的调查获得了关于我们弱链接信号的反馈。大多数开发人员支持我们提出的六个弱链接信号中的三个。开发人员还表示，他们希望在使用第三方软件包之前获得有关弱链接信号的通知。此外，我们还讨论了软件包开发人员建议的八个新信号。
2022-02-14 cs.CR cs.CY cs.SE
