Does Interdisciplinary Creative Coding Boost Creativity? A Mixed Methods Approach
本研究通过混合方法探讨了跨学科干预对软件工程与图形设计学生创造性问题解决技能的影响，发现跨学科合作虽短期降低最终产品创造力，但能提升社会互动创造力，并揭示了固定思维模式问题。
2023-07-03 cs.SE
Design Thinking and Creativity of Co-located vs. Globally Distributed Software Developers
内容：软件设计是软件开发人员思考并做出设计决策的活动，这些决策塑造了软件产品的结构和行为。软件设计是人们最不了解的软件工程活动之一。在协作设计环境中，各种类型的距离可能会导致潜在影响软件设计方式的挑战和影响。目的：为了有助于更好地理解协作软件设计，我们研究了地理距离如何影响其设计思维和讨论的创造性。方法：为此，我们进行了一个多案例研究，探讨在协同设计环境中的协同和分布式软件开发人员的设计思维和创造力。结果如下：与位于同一地点的开发人员相比，分布式开发人员在探索问题空间上花费的时间更少，这可能与不同的社会技术挑战有关，例如缺乏意识和共识。分布式开发似乎并不影响他们活动的创造性。结论：参与协同设计的开发人员需要意识到，在分布式环境中，问题空间探索会减少。除非分布式团队采取补偿措施，否则这可能会对开发产生不利影响。至于距离对创造力的影响，我们的结果是不确定的，需要进一步的研究。
2021-08-26 cs.SE
AI for software engineering: from probable to provable
本文探讨了通过结合人工智能的创造性与形式化规范方法和验证技术，解决AI在编程中目标指定困难和幻觉现象的问题，提升程序正确性。
2026-04-22 cs.AI cs.SE
Significance of the teamwork in agile software engineering
一个软件工程项目很大程度上取决于团队的表现，就像任何涉及人类交互的活动一样。在过去的几年里，软件开发的传统观点正在发生变化，敏捷方法受到了相当大的关注。在其他属性中，年龄学家声称培养创造力是应对当今软件开发常见问题和挑战的关键之一。新软件产品的开发需要产生新颖而有用的想法。它是2001年敏捷宣言中引入的概念框架。本文的写作是为了支持敏捷实践，团队合作对软件项目成功的重要性。采用问卷调查的研究方法，了解团队合作的重要性。
2014-08-26 cs.SE
Large Language Models for Software Engineering: Survey and Open Problems
本文综述了大型语言模型在软件工程各领域的应用，指出其涌现特性带来的机遇与挑战，并强调混合技术（传统SE加LLMs）对可靠部署的关键作用。
2023-11-11 cs.SE
Leveraging Team Dynamics to Predict Open-source Software Projects' Susceptibility to Social Engineering Attacks
开源软件是软件供应链的重要组成部分。最近针对OSS开发团队的社会工程攻击使攻击者能够成为代码贡献者，然后将恶意代码或漏洞注入到项目中，目的是损害依赖软件。攻击者利用开发团队成员之间的互动和团队行为的社会动态来实现他们的攻击。我们引入了一种安全方法，利用团队动态的签名和模式来预测软件开发团队对社会工程攻击的敏感性，这些攻击可以访问OSS项目代码。所提出的方法是程序设计语言，平台，和兼容性无关的，因为它评估的OSS团队的互动，而不是OSS代码的工件。
2021-07-02 cs.SE
Toward Inclusion of Children as Software Engineering Stakeholders
背景：今天，越来越多的软件可供儿童使用。儿童既使用专门为他们开发的软件，也使用为一般用户开发的软件。虽然他们从软件中获得了明显的好处，例如获得创造性工具和学习资源，但儿童也面临着一些风险和不利因素，例如侵犯隐私，不活动或甚至可能导致死亡的安全风险。研究和开发界正在逐一处理和调查软件对儿童的积极和消极影响，但没有一个综合模式将软件工程与儿童作为利益攸关方联系起来。目的：这一系列研究的最终目标是提出有效的方法，使儿童可以参与软件工程活动的利益相关者。具体来说，在本文中，我们调查的质量方面，儿童的利益，质量是一个至关重要的方面，在任何类型的软件开发，特别是对利益相关者，如儿童。方法：我们的贡献主要是基于软件工程（特别是软件质量）和儿童计算机交互之间的交叉点的研究分析。结果如下：我们确定了一组质量和一套初步的指导方针，可以用于研究人员和从业人员在理解软件工程和儿童之间的复杂的相互关系。基于质量和指导方针，研究人员可以设计实证调查，以获得更深入的洞察力的现象，并提出新的软件工程知识，这种类型的利益相关者。结论：这种概念化是迈向一个框架，以支持儿童利益相关者在软件工程的第一步。
2021-01-07 cs.SE
Leveraging Large Language Models for Predicting Cost and Duration in Software Engineering Projects
针对软件项目成本与工期估算难题，本文评估LLM相对传统及机器学习方法的准确性、易用性与工业适用性，证明其可提供更准确且易用的预测替代方案。
2024-09-15 cs.SE
The Role of Humour in Software Engineering -- A Literature Review and Preliminary Taxonomy
本文通过文献综述提出软件工程团队幽默分类法，整合幽默理论、风格、模型与量表，旨在提升生产力与沟通并营造积极工作环境，同时强调负责任使用和进一步实证验证的必要性。
2025-07-04 cs.SE
From Defects to Demands: A Unified, Iterative, and Heuristically Guided LLM-Based Framework for Automated Software Repair and Requirement Realization
Kagekai（影海科技）；University of Michigan（密歇根大学）
本文提出统一、迭代且启发式引导的 LLM 框架，结合形式化验证、TDD 与架构指导，用于自动化软件修复和需求实现，并在 SWE-bench 上显著提升准确率。
2024-12-06 cs.AI cs.SE
TraceLLM: Leveraging Large Language Models with Prompt Engineering for Enhanced Requirements Traceability
KFUPM（国王法赫德石油矿物大学）；Imam Abdulrahman Bin Faisal University（伊玛目阿卜杜勒拉赫曼·本·费萨尔大学）；SDAIA–KFUPM Joint Research Center of Artificial Intelligence, KFUPM（沙特数据与人工智能中心-国王法赫德石油矿物大学人工智能联合研究中心）；University of Quebec in Montreal（蒙特利尔魁北克大学）
本文提出TraceLLM框架，通过提示工程和示例选择，利用大型语言模型在零样本和少样本设置下提升需求可追溯性，在多个基准数据集上取得最优F2分数。
2026-02-01 cs.SE
Some things never change: how far generative AI can really change software engineering practice
本文通过调查软件工程从业者对生成式人工智能的期望，识别出人类专业知识、创造力和项目管理等难以被 GenAI 深刻改变的领域，为未来研究指明了方向。
2024-06-14 cs.SE
Navigating Complexity in Software Engineering: A Prototype for Comparing GPT-n Solutions
导航的非平凡的软件工程任务的不同解决方案空间需要技术知识，解决问题的技能和创造力的组合。由于有多种可能的解决方案，每种方案都有自己的权衡，因此程序员必须评估各种选项并选择最适合项目特定要求和约束的选项。无论是从一系列库中进行选择，权衡不同架构和设计解决方案的利弊，还是找到满足用户需求的独特方法，创造性思维的能力对于做出明智的决策至关重要，这将导致高效和有效的软件。然而，目前面向程序员的聊天机器人工具的界面，如OpenAI的ChatGPT或GitHub Copilot，都是针对单一解决方案进行优化的，即使是复杂的查询。虽然可以请求其他解决方案，但默认情况下不会显示这些解决方案，并且无法直观地访问。在本文中，我们提出了我们的工作在进行中的原型“GPTCompare”，它允许程序员直观地比较多个源代码的解决方案GPT-n模型生成的相同的编程相关的查询突出其相似性和差异。
2023-01-28 cs.HC cs.SE
Leveraging Sustainable Systematic Literature Reviews
本文针对系统文献综述耗时费力且对实践影响不足的问题，提出通过绿色驱动因素、可持续性指标和杠杆点推动可持续 SLR 的具体方向。
2025-01-03 cs.SE
Creative and Correct: Requesting Diverse Code Solutions from AI Foundation Models
本研究通过HumanEval实验，系统探究AI基础模型生成代码时多样性与正确性的权衡，识别出帕累托最优的参数与策略组合，为软件工程师提供实用指导。
2024-03-20 cs.SE
Kanban + X: Leveraging Kanban for Focused Improvements
敏捷开发用于解决许多问题，通常具有不同的优先级和挑战。然而，广义的工程方法往往忽略了项目的特殊性。为了解决这个问题，我们研究了工程师如何针对特定的焦点修改开发方法，并创建了一个通用的框架来利用看板进行重点改进。其结果是一个并行的迭代板，它跟踪和可视化朝着一个焦点的进展，我们已经将其应用于安全性，可持续性和高性能作为示例。通过使用这个系统，软件项目可以更加集中，并朝着他们的目标。
2017-04-28 cs.SE
Large Language Models (LLMs) for Requirements Engineering (RE): A Systematic Literature Review
本文对74篇研究进行系统性文献综述，分析了LLMs在需求工程中的应用，发现其多用于需求获取与验证，主要依赖GPT模型与Zero/Few-shot提示，并指出了未来在真实环境测试等方向。
2025-09-14 cs.SE
Software Engineering Education Beyond the Technical: A Systematic Literature Review
高等教育为有抱负的软件开发人员提供了坚实的理论和实践，但主要是技术背景。然而，研究表明，毕业生仍然没有达到行业的期望。这些缺陷不仅限于技术缺陷。不断变化的“精益”企业软件开发环境要求工程师具备超越技术的能力。在这种情况下，高等教育如何帮助学生成为伟大的软件开发人员？作为回答这个问题的第一步，我们提出了一个系统的文献综述的结果，专注于非认知能力，更好地称为“软技能”。我们的研究结果确定自我反省，解决冲突，沟通和团队合作作为前四名教授的技能。实习和顶点项目需要更多的关注，作为一个教学方面，以促进多种技能的学习，包括创造力。跨学科教学和小组组成是影响学习的其他重要因素。通过对非认知能力和教学方面之间的关系提供新的见解，这项工作有助于软件工程课程的不断改进。这些发现也可以作为进一步调查某些被低估的技能的跳板。
2019-10-22 cs.CY cs.SE
Leveraging Graph-RAG and Prompt Engineering to Enhance LLM-Based Automated Requirement Traceability and Compliance Checks
本研究针对大语言模型在需求合规检查中信息检索与推理能力不足的问题，提出结合Graph-RAG框架与思维链、思维树等提示工程技术的方案，相比基线方法显著提升了准确性与上下文感知能力，同时指出了其成本、适配性与数据依赖方面的局限。
2024-12-11 cs.IR cs.SE
The Rise and Fall(?) of Software Engineering
Università della Svizzera Italiana（瑞士意大利语大学）；Universidad de los Andes（安第斯大学）
本文探讨AI对软件工程的深刻影响，分析AI驱动的自动化与人类创造力如何协同演进，并提出在保留人类核心创造力的前提下实现AI顺利融入软件工程的关键要素。
2024-06-14 cs.AI 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
Leveraging Artificial Intelligence on Binary Code Comprehension
Vanderbilt University（范德堡大学）
对于逆向工程、恶意软件分析和编译器优化来说，理解二进制代码是一项必不可少但复杂的软件工程任务。与源代码不同，二进制代码具有有限的语义信息，这使得它对人类的理解具有挑战性。同时，将源代码编译为二进制代码，或者在不同的程序设计语言（PL）之间进行编译，可以提供一种将外部知识引入二进制理解的方法。我们建议开发人工智能（AI）模型，帮助人类理解二进制代码。具体来说，我们建议将来自大型源代码语料库的领域知识（例如，变量名，注释）来构建AI模型，以捕获二进制代码的可泛化表示。最后，我们将通过使用人类对理解的研究来研究评估适用于二进制代码的模型性能的指标。
2022-10-11 cs.AI cs.SE
Economical Accommodations for Neurodivergent Students in Software Engineering Education: Experiences from an Intervention in Four Undergraduate Courses
本研究针对高等教育中神经分化学生适配支持不足的问题，在冰岛雷克雅未克大学四门本科CS课程中开展低成本课程材料调整干预，经调查验证获得学生积极反馈，为教育者提供可复制的无障碍教学经验。
2023-06-13 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
A Layered Architecture for Developing and Enhancing Capabilities in Large Language Model-based Software Systems
CSIRO’s Data61（联邦科学与工业研究组织数据61部门）；ArcBlock
本文提出一种分层架构来组织基于大语言模型的软件系统开发，通过将能力与不同层次对齐，帮助开发者系统化选择合适技术，以平衡工程复杂性、可扩展性和成本，从而提升系统稳健性与可扩展性。
2024-11-19 cs.AI cs.CL cs.MA
Towards Leveraging Large Language Model Summaries for Topic Modeling in Source Code
Dept. of Informatics, Systems and Communication, University of Milano-Bicocca（信息与通信系统系，米兰-比科卡大学）；Dept. of Human and Social Sciences, University of Bergamo（人文与社会科学系，贝拉戈莫大学）
本文提出一种结合大语言模型摘要与主题建模的新方法，用于自动识别Python代码中的主题，实验表明该方法能提供可解释且语义丰富的代码结构表示，可应用于多种软件工程任务。
2025-04-24 cs.AI cs.SE
Leveraging Large Language Models to Obscure Code Stylometry: A Comparative Study of GPT-3.5 and GPT-4
UNIVERSITY OF CALGARY（卡尔加里大学）
研究GPT-3.5和GPT-4在保持代码功能的同时混淆代码风格计量学的能力，通过随机森林分类器评估不同提示工程策略的效果，发现单次与多次提示方法存在显著差异，并强调了详细结构化提示的重要性。
2026-06-23 cs.AI cs.SE
Prompt Less, Smile More: Semantic Engineering in Lieu of Prompt Engineering
University of Michigan（密歇根大学）；Jaseci Labs（Jaseci实验室）
通过语义工程替代提示工程，提升AI集成编程中提示的准确性与开发者效率。
2026-11-03 cs.AI cs.SE
Multi-modal Summarization in Model-Based Engineering: Automotive Software Development Case Study
Technical University of Munich（慕尼黑工业大学）
本研究探索多模态大语言模型在基于模型的工程（MBE）中理解和识别UML与EMF图表信息的能力，并通过汽车软件开发案例评估了多模态摘要提升MBE实践生产力与准确性的潜力与局限。
2025-03-06 cs.AI cs.SE
Innovative Approaches to Teaching Quantum Computer Programming and Quantum Software Engineering
本文提出芬兰和西班牙大学讲师开发的量子计算教学创新策略，整合Docker、Qiskit、PennyLane和Ocean SDK等工具，通过从量子力学基础到动手实验的课程设计，解决量子编程教学难题。
2024-12-29 cs.SE physics.ed-ph quant-ph
Retrieval-Augmented Instruction Tuning for Automated Process Engineering Calculations : A Tool-Chaining Problem-Solving Framework with Attributable Reflection
TCS Research（塔塔咨询服务研究中心）；IIIT Pune（印度信息技术学院浦那分校）
针对过程工程计算缺乏基础AI模型的问题，提出基于检索增强指令微调（RAIT）的自主智能体框架，结合小型代码语言模型与外部工具进行代码生成与调试，其性能媲美大规模专有模型且具成本效益。
2024-08-28 cs.AI cs.LG cs.SE
MQDD: Pre-training of Multimodal Question Duplicity Detection for Software Engineering Domain
NTIS – New Technologies for the Information Society（NTIS——信息社会新技术研究院）；University of West Bohemia（西波西米亚大学）
这项工作提出了一个新的管道，利用在Stack Overflow网站上收集的数据，用于预训练多模态模型，用于在问答网站上搜索重复内容。我们的多模态模型是在问题描述和多种程序设计语言的源代码上训练的。我们设计了两个新的学习目标，以提高重复检测能力。这项工作的结果是一个成熟的，微调的多模态问题重复检测（MQDD）模型，准备集成到堆栈溢出搜索系统中，在那里它可以帮助用户找到已经回答的问题的答案。除了MQDD模型，我们还发布了两个与软件工程领域相关的数据集。第一个Stack Overflow Dataset（SOD）代表了大量的成对问题和答案的语料库。第二个Stack Overflow Duplicity Dataset（SODD）包含用于训练重复检测模型的数据。
2022-03-29 cs.CL cs.LG cs.PL
