Software Process Models and Analysis on Failure of Software Development Projects
软件过程模型由一组设计、开发和维护软件系统的活动组成。各种各样的软件过程模型被设计用来构造、描述和规定软件开发过程。软件过程模型在软件开发过程中起着非常重要的作用,是软件产品的核心。软件项目的失败往往会对组织造成破坏。进度单,错误的发布和缺失的功能可能意味着项目的结束,甚至是公司的财务破产。奇怪的是,对于一个项目失败意味着什么,人们存在分歧。本文对现有的软件开发过程模型和软件开发失败的分析进行了讨论,指出了新的研究的必要性。
2013-06-05 cs.SE
Delta Debugging for Cyber-Physical Systems with Flaky Test Executions
Mondragon University(蒙德拉贡大学);Simula Research Laboratory(西穆拉研究实验室)
针对网络物理系统模拟器不稳定致故障难调试问题,提出结合统计分析、重复执行和环境感知约简的三种增量调试算法,经案例系统评估,可减少调试时间、提高故障重现性,为调试CPS提供实用基础。
2026-07-29 cs.SE
Software that Learns from its Own Failures
所有非平凡的软件系统都遭受意外的生产失败。然而,这些系统对于故障是被动的,并且不利用它们来改善其未来的行为:它们只是等待它们发生并触发硬编码的故障恢复策略。相反,我提出了一个新的范例,其中软件系统从自己的失败中学习。通过使用先进的监测系统,他们不断了解自己的状态和健康。它们的设计是为了自动探索从过去成功和失败的执行中推断出的替代恢复策略。他们的恢复能力进行评估的自我注入控制故障,这个过程中产生的知识,在未来的意外故障的预见。
2015-02-03 cs.SE
Software Space Analytics: Towards Visualization and Statistics of Internal Software Execution
NTT, Inc.(日本电报电话公司)
本文通过空间统计方法分析软件内部执行数据,定义软件空间数据集,可视化空间聚类并进行统计检验,探讨空间统计在软件工程中的应用与挑战。
2026-03-21 cs.SE
XAI for Coding Agent Failures: Transforming Raw Execution Traces into Actionable Insights
Independent Researcher(独立研究者);Islington College(伊斯林顿学院)
本文提出了一种基于XAI的方法,通过结构化解释和可视化技术,帮助开发者更高效地理解和修复代码代理的故障问题。
2026-03-06 cs.AI cs.SE
New Failure Rate Model for Iterative Software Development Life Cycle Process
软件可靠性模型是估计软件可靠性、失效率和剩余故障数的最常用的数学工具之一。现有的软件可靠性模型是按照瀑布式软件开发生存周期过程设计的。这些现有的模型没有利用迭代软件开发过程。本文提出了一种新的以迭代软件开发生存周期过程为中心的失效率模型。它的目的是整合一个新的调制因子,将不同的需求,在每个阶段的迭代软件开发过程。它包括不完善的调试与故障的可能性引入和删除的多个故障在一个时间间隔的迭代开发的软件进行。该模型已在Eclipse软件故障数据集的12次迭代和Java开发工具包(JDT)软件故障数据集的9次迭代上进行了验证。采用粒子群算法和引力搜索算法相结合的方法对模型进行参数估计。实验结果表明,在Eclipse数据集和JDT数据集上,该模型的拟合优度分别为83.33%和77.77%,优于Jelinski Moranda,Shick Wolverton,Goel Okummotto Imperfect debugging,GS Mahapatra和Modified Shick Wolverton.
2019-10-02 cs.SE
Reflections on Software Failure Analysis
失败研究对于揭示软件系统中缺陷的根本原因、行为和生存周期是非常重要的。这些研究要么侧重于理解特定类别系统中缺陷的特征,要么侧重于理解其所体现的系统中特定类型缺陷的特征。失败研究影响了软件工程的各个研究方向,特别是在软件演化、缺陷检测和程序修复等领域。在本文中,我们反映了在软件工程中进行失败研究。我们回顾了52篇失败研究论文的样本。我们在这些研究中发现了几个反复出现的问题,其中一些问题阻碍了工程界信任或复制结果的能力。基于我们的研究结果,我们建议未来的研究方向,包括识别和分析故障因果链,标准化的故障研究的行为,以及更快的缺陷分析工具的支持。
2022-09-22 cs.SE
The landscape of software failure cause models
软件工程领域对软件故障原因进行分类有着悠久的历史。理解它们对于故障注入、集中测试工作或可靠性预测至关重要。由于软件失效的方式复杂多样,在可信性研究文献中也出现了大量的软件失效原因模型。我们提出了一个元研究的结果,分类出版物包含一个软件故障原因模型的主题集群。我们的研究结果结构的研究领域,可以帮助确定差距。我们应用系统映射方法进行可重复的分析。我们确定了156篇论文,提出了软件故障原因模型。他们的研究证实了一个假设,即大量的出版物只讨论了源代码缺陷。故障激活状态条件和错误状态的模型很少。研究似乎主要是由更好的测试方法和基于代码的质量改进的需求驱动的。其他动机,如在线错误检测,不太经常给出。通常,IEEE定义或正交缺陷分类被用作基本术语。大多数用例来自Web、安全和安全关键型应用程序。
2016-03-14 cs.SE
Learning From Software Failures: A Case Study at a National Space Research Center
Purdue University(普渡大学);German Aerospace Center (DLR)(德国航空航天中心);Jet Propulsion Laboratory, California Institute of Technology(加州理工学院喷气推进实验室)
本研究通过案例分析揭示了软件工程师在实践中从故障中学习的非正式性和挑战,提出了改进故障管理的指导。
2026-02-25 cs.SE
Exploring the extent of similarities in software failures across industries using LLMs
University of New Mexico(新墨西哥大学)
本文利用大语言模型对软件故障新闻文章进行行业和故障类型分类,并可视化分析跨行业故障相似性,为识别常见漏洞和预防风险提供资源。
2024-08-08 cs.AI cs.SE
Software is infrastructure: failures, successes, costs, and the case for formal verification
Université Paris Cité(巴黎西岱大学);University of Malta(马耳他大学);University of Southern Denmark(南丹麦大学);King’s College London(伦敦国王学院)
本文探讨了软件在现代社会中的重要性及质量缺陷带来的成本,主张通过形式验证和程序分析来提升软件可靠性。
2026-01-29 cs.CY cs.SE
The risk factors affecting to the software quality failures in Sri Lankan Software industry
由于技术故障、质量故障、缺乏最终客户验收等原因,以及缺乏适当的管理,软件项目的失败和取消率日益增加。软件项目失败的原因有很多。经验证据表明,测试资源不足是导致测试质量低下的主要因素之一。本研究的主要目的是研究影响软件质量的风险因素,以提供一些建议,以尽量减少质量差的风险。影响软件质量的主要因素有三个,即适当的测试、测试计划和QA团队,它们直接影响软件质量风险。为了进行这项研究,我采用了一个开放式的问卷调查收集定性数据的答复分析,他们使用主题的方法。有经验的参与者仅同意需求清晰度和明确定义的验收标准,而不同意充分的单元测试,最后,还同意不进行回归测试会导致质量故障。在数据分析方面,没有适当的正式测试计划,初始测试计划不现实,没有遵循质量风险管理,没有适当的过程和应急行动计划也会导致项目质量差的风险。据与会者补充说,以下因素也是软件质量不足的原因。经验丰富和技术熟练的员工离开公司,因为没有适当的QA流程,团队成员没有风险管理意识。
2017-06-04 cs.SE
SEArch: an execution infrastructure for service-based software systems
本文提出SEArch,一个基于编排范式的语言无关执行基础设施,通过编排机制定义互操作性契约,支持运行时服务的自动发现、绑定及软件构件的透明动态重配置。
2024-04-30 cs.SE
Analysing software failure using runtime verification and LTL
本文提出一种基于运行时验证的方法,在组件层面诊断四类软件错误,并通过mRUBIS仿真验证其在自修复系统中检测故障的有效性。
2024-02-15 cs.SE
Addressing Components' Evolvement and Execution Behavior to Measure Component-Based Software Reliability
软件可靠性是一种重要的质量属性,通常作为时间或系统结构的函数进行评估。本研究的目标是使该度量涵盖基于组件的软件,因为其可靠性强烈依赖于组成组件的质量和它们的交互。为了实现这一点,我们应用卷积建模方法,基于组件的执行行为,以集成它们各自的可靠性演化,并同时解决故障修复的时间域。组件级别的建模对于适应软件演变来说可能更经济,因为可以通过重复使用未受影响组件的质量度量并仅适应受影响组件以节省成本来评估可靠性度量。适应能力还支持随着时间的推移不断添加新组件的增量式软件开发过程。实验结果证明了该方法的有效性。
2007-03-05 cs.SE
Bug propagation and debugging in asymmetric software structures
软件依赖网络被证明是无标度和不对称的。然后,我们研究如何软件组件的失败,其中之一的影响,以及定位故障组件的逆问题。对于一个随机的单个组件的故障,所有级别的软件都是脆弱的。如果故障只影响其最近的邻居,则定位故障组件很容易,而如果故障进一步传播,则很难。
2003-11-24 cond-mat.dis-nn cond-mat.stat-mech cs.SE
DistAD: Software Anomaly Detection Based on Execution Trace Distribution
现代软件系统变得越来越复杂,这使得它们难以测试和验证。在运行时检测复杂系统中的软件部分异常可以帮助处理非预期的软件行为,避免灾难性的软件故障,并提高软件运行时的可用性。这些检测技术旨在识别故障(异常)的表现形式之前,他们最终导致不可避免的故障,从而支持以下运行时容错技术。在这项工作中,我们提出了一种新的异常检测方法命名DistAD,这是基于软件运行时动态执行痕迹的分布。与其他现有的作品使用关键性能指标,执行跟踪收集在运行时通过侵入式仪器。仪器按照取样机制进行控制,以避免过多的间接费用。利用循环神经网络的双向长短期记忆(Bi-LSTM)结构实现异常检测。整个框架在单类神经网络(OCNN)学习模式下构建,可以帮助消除缺乏足够的标记样本和数据不平衡问题的限制。在一个广泛使用的数据库系统Cassandra上进行了一系列的控制实验,证明了该方法的有效性和可行性。还评估了侵入式探测所带来的开销。结果表明,DistAD可以达到超过70%的准确率和90%的召回率(在正常状态下),与未监视的执行相比,不超过2倍的开销。
2022-04-26 cs.SE
FAIL: Analyzing Software Failures from the News Using LLMs
提出 FAIL 系统,利用 LLM 自动收集、聚类并按分类体系分析新闻报道的软件故障,在大规模语料中识别 2457 起故障并揭示其复发与严重性趋势。
2024-09-18 cs.SE
Failures and Fixes: A Study of Software System Incident Response
本文介绍了与软件系统故障相关的研究结果,目的是了解我们如何更好地发展,维护和支持软件系统的生产。我们对30起事故进行了定性分析:其中15起是通过对工程师的深入访谈收集的,另外15起是从公开发布的事故报告(通常是作为事后审查的一部分产生的)中抽取的。我们的分析重点是了解和分类故障是如何发生的,以及如何检测、调查和缓解它们。我们还以11个关键观察的形式捕捉了与实践现状和相关挑战相关的分析见解。例如,我们观察到故障可能会通过系统级联导致重大中断;并且工程师通常不了解他们所支持的系统的扩展限制,直到这些限制被超过。我们认为,我们已经确定的挑战可以导致系统的设计和支持方式的改进。
2020-08-25 cs.SE
How Bad Can a Bug Get? An Empirical Analysis of Software Failures in the OpenStack Cloud Computing Platform
云管理系统提供用于以编程方式配置云基础设施的抽象和API。不幸的是,这些系统中残留的软件错误可能会导致严重的故障,例如长时间的停机和数据丢失。在本文中,我们调查的背景下,广泛的OpenStack云管理系统的故障的影响,通过执行故障注入和分析所产生的故障的影响方面的故障停止行为,故障检测通过日志记录,故障传播组件。分析指出,大多数故障没有及时检测和通知;此外,许多这些故障可以随着时间的推移并通过云管理系统的组件悄悄传播,这需要更彻底的运行时检查和故障遏制。
2019-07-09 cs.SE
Rapid Recovery of Program Execution Under Power Failures for Embedded Systems with NVM
电源接通后,从初始状态恢复中断的程序可能会造成负面影响。有些程序甚至无法恢复。为了在掉电情况下快速恢复程序的执行,对于具有NVM的嵌入式系统,在掉电情况下,检查点的执行状态由NVM备份。然而,频繁的检查点将缩短NVM的寿命并导致显著的写入开销。本文提出了一种由函数调用触发的检查点设置技术,以减少对NVM的写操作。测试结果表明,与基于日志的方法和基于步骤的方法相比,堆栈备份的NVM备份大小分别减少了99.8%和80.5$%.为了更好地实现这一点,我们还提出了伪函数调用来增加备份点以降低恢复成本,以及基于指数增量调用的备份方法来降低循环中的备份成本。为了进一步避免NVM上的内容杂乱和脱离NVM,提出了一种清除NVM上无用内容的方法。基于上述问题和技术,提出了故障恢复技术,并通过案例分析了在不同电源故障下如何快速恢复。
2022-09-19 cs.OS cs.SE
Comparing Constraints Mined From Execution Logs to Understand Software Evolution
复杂的软件系统经常演变,例如,在维护期间引入新功能或修复错误时。然而,理解这种变化对系统行为的影响往往是困难的。因此,已经提出了许多方法来分析变化之前和之后的系统,例如,通过比较源代码、基于模型的表示或系统执行日志。在本文中,我们提出了一种比较运行时的约束,合成的约束挖掘算法,根据执行日志记录前后的变化。具体而言,自动挖掘的约束定义了重复发生事件的预期时间和顺序以及附加到事件的数据元素的值。我们的方法提出了不同的挖掘约束的用户,从而提供了一个更高层次的软件演化的看法,并支持对系统行为的变化的影响分析。我们提出了一个激励的例子和初步评估的基础上控制无人机的网络物理系统。我们的初步评估结果表明,我们的方法可以帮助分析改变的行为,从而有助于理解软件演化。
2020-01-08 cs.SE
A Performance Analysis Tool for Nokia Mobile Phone Software
性能问题是嵌入式软件系统中经常出现的问题。业绩不佳的原因往往并不明显。瓶颈可能发生在执行路径上的任何软件组件中,因此,对嵌入式软件系统的运行时行为做出贡献的不同组件进行检测和监视是非常重要的。性能分析工具可以通过监控软件的执行并生成易于理解的性能数据来帮助定位嵌入式软件系统中的性能瓶颈。我们维护并进一步开发了一个工具,用于分析诺基亚手机软件的性能。用户可以在四个性能分析报告中进行选择:平均处理器负载、处理器利用率、任务执行时间统计和任务执行时间轴。这些报告中的每一个都提供了有关执行时间花在何处的重要信息。该演示将展示该工具如何帮助识别诺基亚手机软件的性能瓶颈,并更好地了解性能不佳的领域。
2003-10-03 cs.PF cs.SE
A Software Reliability Model Based on a Geometric Sequence of Failure Rates
软件可靠性模型是软件质量管理和发布计划的重要工具。有大量不同的模式,往往在不同的领域表现出优势。本文提出了一种基于故障率几何序列(或级数)的模型。在西门子等公司的实践中观察到了故障过程的这种特性,并导致了所提出的模型的发展。它被详细描述并使用标准标准进行评估。最重要的是,该模型在几个项目中的预测有效性方面一直表现良好。
2016-12-12 cs.SE
Automatic Synthesis of Test Cases to Identify Software Redundancy
软件系统可以包含冗余的实现元素,例如,可以产生不可区分的结果的不同方法。这种类型的冗余被称为内在的,如果它已经在软件中可用,虽然不是故意计划的。冗余可以是提高系统可靠性的关键因素。一些容错和自修复技术利用冗余来避免运行时的故障。不幸的是,手动推断哪些操作是等效的可能是昂贵的并且容易出错。在以前的工作中提出的技术允许自动合成的方法序列,相当于一个目标方法。然而,这种技术需要一个执行场景才能工作。目前,这种执行场景是手动生成的,这是昂贵的,并且使得该技术难以使用。本文提出了一种技术来生成执行场景的目标方法,我们正在寻找等价序列。在Java类Stack上的实验结果表明,该方法能够在合理的执行时间内正确生成执行场景。此外,生成的执行场景允许最大化上述技术的有效性。
2014-11-16 cs.SE
Greedy Scheduling: A Neural Network Method to Reduce Task Failure in Software Crowdsourcing
内容:高度动态和竞争的众包软件开发(CSD)市场可能会由于不可预见的原因而遇到任务失败,例如共享供应商资源的竞争加剧,或与动态工人供应相关的不确定性。现有分析显示,软件众包市场的平均任务失败率为15.7%。目标:本研究的目的是提供一个软件众包平台的任务调度推荐模型,以提高软件众包的成功率和效率。方法:提出了一种基于神经网络的任务调度方法,并开发了一个可以预测和分析任务到达时失败概率的系统。更具体地说,该模型使用了一系列的输入变量,包括在平台上的开放任务的数量,到达任务和开放任务之间的平均任务相似度,获胜者的奖金,和任务持续时间,来预测在计划的到达日期和两个剩余的日子任务失败的概率。此预测将提供与最低任务失败概率相关联的推荐日期以发布任务。该模型基于Topcoder的工作流程和数据,Topcoder是主要的软件众包平台之一。结果如下:我们提出了一个模型,建议最好的建议到达日期为项目中的任何任务,每个任务在项目中的两天盈余。该模型平均每个项目的故障率降低了4%。
2021-02-19 cs.DC cs.HC cs.SE
PREVENT: An Unsupervised Approach to Predict Software Failures in Production
本研究提出无监督方法PREVENT,无需预定义规则或故障训练数据即可预测定位分布式企业应用故障,在商用云系统中表现优于或不亚于监督方法,更稳定可靠且实用性更强。
2024-09-17 cs.SE
Automatically Generating Test Cases for Safety-Critical Software via Symbolic Execution
基于符号执行的自动测试生成有利于系统地测试安全关键软件,方便测试工程师追求认证标准规定的严格测试要求,同时控制测试过程的成本。同时,安全关键软件的开发通常受到禁止被认为降低程序安全性的语言特征的程序设计语言或编码约定的限制,例如,它们不允许动态内存分配和可变长度数组,限制了循环的使用方式,禁止递归,并限制了控制条件的复杂性。事实上,这些语言特征也是最先进的基于符号执行的测试生成方法的主要效率障碍。本文为一类重要的工业安全关键系统提供了新的证据,证明了符号执行生成测试用例的有效性。我们特别关注的SCADE,主要采用基于模型的开发语言的安全关键的嵌入式软件,我们报告的案例研究中,我们利用符号执行自动生成测试用例的一组安全关键的程序在SCADE开发。为此,我们介绍了一种新的测试生成器,我们在最近的工业项目中开发的测试安全关键的铁路软件写在SCADE,我们报告我们的经验,使用此测试生成器测试一组SCADE程序,属于发展的车载信号单元的高速铁路。结果提供经验证据表明,符号执行确实是一种可行的方法,为我们的案例研究中考虑的安全关键程序生成高质量的测试套件。
2022-09-22 cs.SE
K-Detector: Identifying Duplicate Crash Failures in Large-Scale Software Delivery
在开发人员提交代码后,相应的测试用例会出现,以确保软件交付的质量。在此期间可能会发生测试失败,例如崩溃、错误和超时。由于开发人员需要时间来解决它们,因此在此期间会发生许多重复故障。在SAP HANA的交付实践中,紧急分流被认为是最耗时的任务。如果可以自动识别重复的碰撞故障,自动化程度将大大提高。为了找到这样的重复,我们提出了一个基于训练的数学模型,利用SAP HANA的组件信息,以实现更好的崩溃相似性比较。我们在一个名为基于知识的检测器(K-Detector)的工具中实现了我们的方法,该工具通过11,208个样本进行了验证,AUC为0.986。此外,我们已经将K-Detector部署到生产环境中,它可以节省97%的事故分类统计工作。
2022-06-01 cs.SE
Proceedings of the Second Workshop on Verification of Objects at RunTime EXecution
本卷包含在阿姆斯特丹举行的第二届运行时对象验证研讨会(VORTEX 2018)的后续活动,与欧洲面向对象编程会议(ECOOP 2018)和ACM SIGSOFT软件测试和分析国际研讨会(ISSTA 2018)共同举办。运行时验证是一种软件验证方法,涉及对软件和硬件系统执行的监控和分析。最近,它已经获得了更多的共识,作为一个有效的和有前途的方法,以确保软件的可靠性,弥合之间的差距形式化验证,和传统的测试,在运行时执行过程中监视系统提供了额外的机会,解决错误恢复,自适应,和其他问题,超越软件的可靠性。VORTEX的目标是将研究人员聚集在一起,研究涉及理论或实践方面的主题的运行时验证,或者最好是两者兼而有之,重点是面向对象的语言和系统。
2019-08-25 cs.LO cs.PL cs.SE
Requirements of a Recovery Solution for Failure of Composite Web Services
Web服务是可互操作系统的构建块。组合Web服务使流程能够执行复杂的任务。组合服务在执行过程中可能会失败,这可以通过中介进行诊断。中介器调整结构,以便恢复故障。此外,今后的处决应避免这种情况,或组织一项战略,以最少的拖延来修复结构。本文综述了组合服务失效的原因。此外,从故障中恢复系统的解决方案的要求进行了研究。
2012-11-03 cs.SE
Runtime Failure Hunting for Physics Engine Based Software Systems: How Far Can We Go?
The Chinese University of Hong Kong, China(香港中文大学);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)
本文针对基于物理引擎的软件存在的语义复杂物理故障检测不足的问题,开展首项大规模实证研究,提出故障分类体系,评估多种检测方法并提炼改进洞见,同时发布相关数据集与材料。
2025-07-29 cs.AI cs.CV cs.MM
Measuring the impact of input data on energy consumption of software
软件执行过程中消耗的能量以及预测未来消耗的能力是嵌入式电子系统设计中的重要因素。在这份技术报告中,我研究了软件执行过程中可能影响能耗的因素。采用简单的嵌入式软件基准测试,我测量了输入数据对能耗的影响程度,并提出了一种在软件能源模型中反映这一点的方法。
2014-11-10 cs.SE
Model Checker Execution Reports
软件模型检验是一个不可判定的问题,因此,即使是一个理想的工具在某些情况下也不能给出一个结论性的答案。在实践中,软件模型检查器经常失败,并且通常不提供关于什么被有效检查的任何信息。这项工作的目的是提供一个概念框架,以扩展软件模型检查器的方式,允许用户访问有关不完整的检查信息。我们的特征模型检查器本身可以提供的信息,在分析的痕迹,即语句序列,和安全锥,并提出了执行报告的概念,我们也正式。我们实例化这些概念的一个家庭的技术的基础上抽象可达树和实现的方法,使用软件模型检查器CPAchecker。我们经验性地评估我们的方法,并提供示例来说明所产生的执行报告和可以提取的信息。
2017-08-17 cs.SE
Software Assumptions Failure Tolerance: Role, Strategies, and Visions
在我们的命令或其他情况下,当我们的软件正在执行时,各种各样的设计假设不断地与当前条件的真相相匹配。虽然存在标准和工具来表达和验证其中的一些假设,但在实践中,大多数假设最终要么被过滤掉,要么隐藏在我们的代码中。在整个系统层中,一个复杂的、有时模糊的假设网络决定了我们的软件与其部署平台和运行时环境的匹配质量。我们的立场是,它变得越来越重要,能够设计软件系统的架构和结构技术,允许软件被分解,以降低其复杂性,但没有隐藏在过程中的重要假设和假设。在本文中,我们讨论了这个问题,介绍了三个潜在的危险后果的否认,并提出了三个战略,以促进他们的治疗。最后,我们提出了一个新的整体的方法来软件开发,以克服碎片化的意见,假设失败的问题所提供的缺点,我们的愿景。
2016-04-11 cs.SE
Failure as a Process: An Anatomy of CLI Coding Agent Trajectories
研究CLI编码代理失败轨迹,引入面向过程框架,收集并标注大量执行轨迹,发现失败多由认知错误驱动,起始于最初几步且常隐藏,提出提高编码代理可靠性需早期验证和干预,而非仅靠最终结果评估。
2026-07-13 cs.AI cs.SE
An Empirical Study on Using Large Language Models to Analyze Software Supply Chain Security Failures
Purdue University(普渡大学)
本文实证评估了 GPT 3.5 和 Bard 在复现 CNCF 对 69 起软件供应链安全故障人工分析中的表现,发现 LLMs 在来源充分时能有效分类但尚不能替代人类分析人员。
2023-08-09 cs.CR cs.LG cs.SE
Software Engineering in the Agent Era From Trustworthy Change to Human Agent Software Organizations
Faculty of Computing Harbin Institute of Technology(哈尔滨工业大学计算机学院)
本文针对智能体时代软件工程中可扩展执行的管控问题,提出含可信变更、责任拓扑、人机单元的框架,明确权威为分类轴并推导相关影响,贡献理论构建与操作化方法。
2026-09-07 cs.SE
Success and Failure in Software Engineering: a Followup Systematic Literature Review
本文针对软件工程中成功与失败现象进行后续深入系统文献综述,提出包含500+因素的扎根理论、14个人工验证因素集群及组织结构质量模型,为管理者提供风险预测与细粒度参数分析。
2020-06-22 cs.SE
Control and Data Flow Execution of Java Programs
十年来,对程序的理解已经成为学生以及参与软件开发过程和为开放问题提供解决方案的其他人的必修任务。在这方面,以最好的方式显示在一个图形表示的问题是一个关键的优势,以更好地理解it.We提供的模型和结构,Java程序理解的控制和数据流分析的执行。特别是它有助于理解Java程序的静态分析,这是软件维护的一个极其重要的阶段。我们提供了Java程序可视化的信息和模型,可以帮助更好地理解程序的学习和分析目的。为构建可视化工具提供的思想是从Java程序的执行中提取数据和控制分析。通过实例分析,证明了本文的思想对理解Java程序的静态分析、软件调试和软件维护具有重要意义。
2017-07-27 cs.SE
The Unnecessity of Assuming Statistically Independent Tests in Bayesian Software Reliability Assessments
在评估基于软件的系统时,对运行测试数据进行贝叶斯统计推断的结果可以为软件可靠性声明提供强有力的支持。对于推理,通常假设这些数据(即软件成功和失败)出现在独立同分布(i.i.d.)方式在本文中,我们将展示如何保守的贝叶斯方法使这个假设不必要的,通过将一个人的怀疑的假设到评估。当操作测试显示没有故障时,我们推导出系统按需故障概率(pfd)的保守置信区间。的一般性和效用的置信区间的核电厂安全保护系统的评估中说明,根据不同程度的怀疑i.i.d.。假设分析表明,i.i.d.假设可以使贝叶斯可靠性评估非常乐观-这种评估没有明确说明软件如何在广泛的操作测试期间很可能不出现故障,尽管软件的PFD非常大。
2022-12-22 cs.SE
AgentForge: Execution-Grounded Multi-Agent LLM Framework for Autonomous Software Engineering
International Research Center for Complexity Sciences(复杂科学国际研究中心);Hangzhou International Innovation Institute(杭州国际创新研究院);Beihang University(北京航空航天大学);College of Science, Mathematics and Technology(科学、数学与技术学院);Wenzhou-Kean University(温州-凯恩大学);Fakulti Teknologi Maklumat dan Komunikasi(信息技术与通信学院);Universiti Teknikal Malaysia Melaka(马来西亚Melaka理工大学);Computer Systems Engineering Department(计算机系统工程系);Sukkur IBA University(苏库尔IBA大学);University of Electronic Science and Technology of China(电子科学与技术大学)
AgentForge通过引入执行验证原则,提升代码正确性验证,实现40.0%的SWE-BENCH Lite解决率,优于单智能体基线。
2026-04-13 cs.AI cs.SE
Refactoring Software in the Automotive Domain for Execution on Heterogeneous Platforms
在计算机系统中实现更高性能的最重要方式是通过异构计算,即,采用包含多种类型处理器的硬件平台,如CPU、GPU和FPGA。有几种类型的算法可以在异构平台上执行得更快。然而,将CPU可执行软件迁移到其他类型的执行平台对软件工程提出了许多挑战。在这种类型的迁移中需要付出巨大的努力,特别是重新设计和重新实现软件。此外,在性能和其他运行时属性方面对其进行优化可能非常具有挑战性,这使得该过程复杂、昂贵且容易出错。因此,从同构平台到异构平台的成功重构过程需要一种基于明确和合理的架构决策的系统方法。在本文中,我们提出了一个决策框架,支持工程师重构软件系统时,以适应异构平台。它包括对重要因素的评估,以尽量减少在这一过程中反复出现问题的风险。通过一组问题,从业者能够制定答案,这将有助于做出适当的架构决策,以适应异构平台。该框架的内容是根据与汽车领域的架构师和开发人员的讨论而开发和发展的。
2020-05-18 cs.SE
Failures to be celebrated: an analysis of major pivots of software startups
在软件初创公司的背景下,项目失败被积极接受,并被认为对于获得可导致支点的有效学习至关重要。支点是一个商业概念,产品或商业模式的不同元素的战略变化。为了使软件创业团队在混乱和不可预测的环境中做出更好的决策,需要更好地了解不同类型的支点以及导致失败和触发支点的不同因素。由于该主题的新生性质,现有的研究和知识的支点的软件创业公司是非常有限的。在这项研究中,我们的目的是确定软件初创公司在启动过程中所做的主要类型的枢轴,并强调失败的软件项目和触发枢轴的因素。为了实现这一点,我们进行了一个案例调查研究的基础上发生在49个软件创业公司的主要支点的二手数据。确定了10种枢轴类型和14种触发因素。研究结果显示,顾客需求枢轴是所有枢轴类型中最常见的。与客户细分枢纽一起,它们是常见的市场相关枢纽。与产品相关的主要枢轴是放大和技术枢轴。确定了几种新的枢轴类型,包括市场放大、完整和副项目枢轴。我们的研究还表明,负面的客户反应和有缺陷的商业模式是触发软件初创公司支点的最常见因素。本研究拓展了软件启动枢纽类型和枢纽触发因素的研究知识。同时,它为软件创业公司提供了实用知识,他们可以利用这些知识来指导他们有效地进行枢转决策
2017-10-11 cs.SE
Towards Structured, State-Aware, and Execution-Grounded Reasoning for Software Engineering Agents
Concordia University(康科德大学)
本文提出通过结构化、状态感知和执行导向的推理方法,提升软件工程代理在长周期任务中的推理能力和可靠性。
2026-02-04 cs.AI cs.SE
RepoMiner: a Language-agnostic Python Framework to Mine Software Repositories for Defect Prediction
来自开源软件项目的数据为提高软件质量提供了宝贵的信息。在软件缺陷预测的范围内,最具挑战性的部分之一是从这些存储库中提取有关易失败软件组件的有效数据,这可以帮助开发更健壮的软件。特别是,从这些存储库中收集数据、计算度量和合成结果是一项乏味且容易出错的任务,这通常需要理解所挖掘的存储库中涉及的程序设计语言,最终导致特定于语言的数据挖掘软件的激增。本文介绍了RepoMiner,语言无关的工具,开发支持软件工程研究人员在创建数据集,以支持任何研究缺陷预测。RepoMiner自动从软件组件中收集故障数据,将其标记为易故障或中性,并计算用作缺陷预测模型基础事实的指标。我们提出了它的实现,并提供了它的应用程序的例子。
2021-11-23 cs.SE
"So Am I Dr. Frankenstein? Or Were You a Monster the Whole Time?": Mitigating Software Project Failure With Loss-Aversion-Aware Development Methodologies
Engprax Ltd(Engprax有限公司)
研究通过对600名英美软件工程师项目成功经验的大规模研究,发现开发前明确需求、让工程师自由讨论解决问题与项目成功相关,支持开发更关注人为因素防失败的软件开发方法。
2026-07-07 cs.HC cs.SE
Initial and Eventual Software Quality Relating to Continuous Integration in GitHub
对新功能和错误修复的持续需求迫使软件项目缩短周期并更快地交付更新,同时保持软件质量。廉价的虚拟化云计算的可用性通过支持按需持续集成(CI)帮助缩短了时间表。像GitHub这样的平台支持云中的CI。在使用CI的项目中,用户提交拉取请求会触发CI步骤。除了加速构建和测试之外,这还意外地创建了大量构建和测试成功和失败的档案。CI是一个相对较新的现象,这些档案允许对CI进行详细的研究。暴露出多少问题?它们发生在哪里?哪些因素会影响CI失败?CI确定的“初始质量”是否能预测代码中以后会出现多少bug(“最终质量”)?在本文中,我们对这些记录进行了大规模的精细分辨率研究,以更好地了解CI过程,CI失败的性质和预测因素,以及CI失败与代码最终质量的关系。我们发现:a)CI失败似乎集中在几个文件中,就像正常的bug一样; b)CI失败与最终失败的相关性不是很高; c)在pull请求中使用CI并不一定意味着该请求中的代码质量良好。
2016-06-02 cs.SE
Exhaustive Exploration of the Failure-oblivious Computing Search Space
软件系统的高可用性要求在出现错误时自动处理崩溃。故障无关计算是一种旨在实现高可用性的技术。我们注意到,失败遗忘还没有被深入研究,也很少有研究有助于理解为什么失败遗忘技术有效。为了使失效不经意计算在实践中产生影响,我们需要深入了解软件中的失效不经意行为。在本文中,我们研究,设计和执行一个实验,分析的大小和多样性的失败遗忘行为。我们的实验包括穷举计算的搜索空间的16个领域失败的大型开源Java软件。这个实验的结果是更好地理解当使用故障无关计算时会发生什么,这开辟了新的有前途的研究方向。
2018-03-23 cs.SE
Reflecting on Recurring Failures in IoT Development
随着物联网系统被赋予更多的责任和自主权,它们提供了更大的好处,但也带来了更大的风险。我们相信这种趋势会重新提出软件工程的一个老挑战:如何在市场压力下安全可靠地开发高风险的软件密集型系统?作为第一步,我们对最近的物联网故障进行了系统分析,以确定工程挑战。我们收集并分析了22篇新闻报道,研究了物联网系统故障的来源、影响和修复策略。我们观察了应用程序域内部和跨应用程序域的故障趋势。我们还观察到,失败主题随着时间的推移而持续存在。为了缓解这些趋势,我们概述了针对物联网开发的故障感知软件开发生存周期的研究议程。我们提出了一个百科全书的故障和经验的基础上,系统事后分析,辅以适当的自动化工具。
2022-09-19 cs.SE
Failure Mechanism Traceability and Application in Human System Interface of Nuclear Power Plants using RESHA
近年来,已经做出了相当大的努力,用数字仪器和控制系统使现有的和新的核电站现代化。然而,行业和监管机构对这些系统的风险和后果分析也相当关注。值得关注的是数字共因故障,特别是由于软件缺陷。软件的这些故障可能发生在系统的控制和监视中。虽然已经提出了许多方法来识别软件故障模式,如系统理论过程分析,数字系统的危害和后果分析等,这些方法主要集中在系统的控制动作路径上。相比之下,信息反馈路径缺乏不安全控制动作,这些动作通常与软件基本事件相关;因此,此类系统中软件基本事件的评估不清楚。在这项工作中,我们提出的想法,中间处理器和不安全的信息流(UIF),以帮助安全分析师跟踪故障机制的反馈途径,以及如何将它们集成到一个故障树,以提高评估能力。提出的概念证明了两个全面的案例研究,一个智能传感器集成平台的无人驾驶自动驾驶汽车和另一个代表性的先进的人类系统接口的安全关键工厂监控。定性的软件基本事件的识别,并进行故障树分析的基础上,一个改进的Redundancy引导系统理论的危险分析方法。案例研究表明,使用UIF和中间处理器的故障树,以提高高度复杂的数字仪表反馈的软件故障的可追溯性。改进后的方法阐明了当系统中存在多个部件依赖时故障树的构造。
2022-05-24 cs.SE
Using Dynamic Binary Instrumentation to Detect Failures in Robotics Software
自动化和机器人系统(ARS)广泛、复杂,并且越来越多地与公众接触。这些系统中的许多都是安全关键型的,检测软件错误以防止损害至关重要。我们提出了一个家庭的新技术来检测不寻常的程序执行和不正确的程序行为。我们通过在运行时间收集低级信号并使用这些信号构建机器学习模型来对执行行为进行建模。这些模型可以识别以前看不见的执行,这些执行更有可能出现错误。我们描述了一个易于处理的方法收集动态二进制运行时信号的ARS,允许系统吸收大部分的开销从动态仪器。ARS的体系结构特别适合于隐藏插装的开销。我们在ARDUPILOT(一种流行的开源自动驾驶软件系统)和HUSKY(一种无人驾驶地面车辆)的仿真中展示了这些方法的效率。我们对执行进行检测,以收集数据,并从中构建执行的监督机器学习模型,并评估这些模型的准确性。我们还分析了开发具有不同准确度的模型所需的训练数据量,测量使用分析工具的执行所增加的开销,并分析哪些运行时信号对于检测被测程序上的异常行为最有用。此外,我们还分析了时间延迟对ARS功能行为的影响。
2022-01-29 cs.SE
FailureMem: A Failure-Aware Multimodal Framework for Autonomous Software Repair
Nanjing University(南京大学);SenseTime(秒速);The Chinese University of Hong Kong(香港中文大学);University of Texas at Dallas(德克萨斯大学达拉斯分校)
本文提出FailureMem框架,通过融合工作流代理、主动感知工具和故障记忆库,提升多模态自动程序修复的效率与准确性,实验表明其在GUI修复任务中解决率提升3.7%。
2026-03-18 cs.AI cs.SE
From SWE-ZERO to SWE-HERO: Execution-free to Execution-based Fine-tuning for Software Engineering Agents
NVIDIA(英伟达)
本文提出一种两阶段SFT方法,通过知识蒸馏实现SWE-bench的最佳性能,通过进化精炼策略提升代码语义和工程流程。
2026-04-02 cs.CL cs.SE