A Data-to-Product Multimodal Conceptual Framework to Achieve Automated Software Evolution for Context-rich Intelligent Applications
Charleston Southern University（查尔斯顿南方大学）
针对上下文丰富智能应用，提出一个从数据到产品的多模态概念框架，并开发3S模型以促进自动化软件演进，为实践提供指南。
2024-10-09 cs.AI cs.SE
AutoEmpirical: LLM-Based Automated Research for Empirical Software Fault Analysis
Singapore Management University（新加坡国立管理学院）；Xi'an Jiaotong University（西安交通大学）；Nanyang Technological University（南洋理工大学）；Tianjin University（天津大学）
针对传统软件故障分析人力成本高、周期长的瓶颈，该研究将实证故障研究拆分为三阶段，用3829个故障验证了LLM可将分析周期从数周缩短至约2小时，并提出后续研究方向。
2025-10-06 cs.AI cs.SE
A Comprehensive Study on Automated Testing with the Software Lifecycle
本文综述了自动化测试在软件生命周期中的作用，分析其相较手动测试在效率、成本和质量评估方面的优势与差异，并探讨自动化测试工具的适用场景。
2024-05-02 cs.SE
Genetic Micro-Programs for Automated Software Testing with Large Path Coverage
University of Pretoria（比勒陀利亚大学）
计算智能（CI）的不断发展导致人们越来越希望应用CI技术来改进软件工程过程，特别是软件测试。现有的最先进的自动化软件测试技术集中于利用搜索算法来发现实现高执行路径覆盖的输入值。这些算法是在他们打算测试的相同代码上训练的，需要仪器和漫长的搜索时间来测试每个软件组件。本文概述了一种新的遗传编程框架，进化的解决方案是不是输入值，但微程序，可以重复生成输入值，有效地探索一个软件组件的输入参数域。我们还认为，我们的方法可以推广，如适用于许多不同的软件系统，并因此不具体到仅仅是特定的软件组件上，它是训练。
2023-02-14 cs.AI cs.NE cs.SE
Automated Software Testing Starting from Static Analysis: Current State of the Art
复杂软件的大规模生产使得人工测试其安全漏洞变得不可能。自动化安全测试工具有各种各样的风格，在软件开发的各个阶段发挥作用，并针对不同类别的软件漏洞。我们有大量的自动化工具可供选择，这很好，但问题是它们的采用和认可并不突出。本研究的目的是探索现有技术的可能性，同时也通过探索安全测试工具和相关技术的未来来拓宽视野。
2023-01-15 cs.SE
Feature-Gathering Dependency-Based Software Clustering Using Dedication and Modularity
软件集群是理解软件系统的重要技术之一。然而，迄今为止所提出的技术需要人的交互来细化聚类结果。提出了一种基于依赖关系的软件聚类算法SArF。SARF有两个特点。首先，SArF消除了需要人工交互的无所不在模块移除步骤的需要。其次，SArF的目标是将相关的软件特性或功能收集到一个集群中。为了实现这些目标，我们定义了Dedication得分来推断依赖关系的重要性，并利用模块化最大化来聚类加权有向图。两个案例研究和广泛的比较评估，使用开源和工业系统表明，SARF可以成功地分解系统拟合的权威分解从功能的角度来看，没有任何定制的设置，SARF优于现有的依赖性为基础的软件聚类研究。此外，案例研究表明，存在着可测量的权威性限度，SARF几乎达到了极限。
2013-06-10 cs.SE
A New P2N Approach to Software Development Under the Clustering
在这个计算机飞速发展的时代，软件开发随处可见，但是很多软件都死在了现代软件开发中。正如《人月神话》中所说，软件开发中存在一个问题，这个问题就是流量，流量之锁可以说是一场浩劫。集群是孕育新生命的环境。在这篇论文中，我们详细阐述了P2N如何用于思考、计划、开发、协作、发布。以及使您的团队和组织更加完美的方法。
2012-07-23 cs.DC cs.SE
An efficient high-quality hierarchical clustering algorithm for automatic inference of software architecture from the source code of a software system
Universiteit van Amsterdam（阿姆斯特丹大学）
它是一个高质量的大型软件源代码的层次聚类算法。这有效地允许打破数千万行源代码的复杂性，使得人类软件工程师可以通过查看从软件系统的源代码自动重构的软件系统的架构图来理解高级别的软件系统。架构图显示了一个子系统树，在其叶子中有OOP类（换句话说，嵌套的软件分解）。该工具从软件系统的源代码中重建缺失（不一致/不完整/不存在）的体系结构文档。这有利于软件维护：更改请求可以更快地执行。简单地说，这个独特的工具允许提升面向对象软件系统的可理解性，从OOP类级到子系统级。据估计，在这项工作的基础上开发的商业工具，将减少软件维护费用的10倍，目前的需求，并将允许实现下一代软件系统，目前太复杂的范围内的人类理解，因此还不能设计或实施。在开放源代码中实现原型：http://sourceforge.net/p/insoar/code-0/1/tree/
2012-02-15 cs.AI cs.LG cs.SE
BOA: Framework for Automated Builds
管理大型软件产品是一项复杂的软件工程任务。软件开发、发布和分发过程的自动化在大型协作中最为有利，其中大量开发人员、多平台和分布式环境是典型因素。本文介绍了在CMS中开发的构建和输出分析器框架及其组件，以方便软件维护和提高软件质量。该系统允许生成、控制和分析各种类型的自动化软件构建和测试，例如开发代码的定期重建、现有版本的发布和安装的软件集成。
2003-06-14 cs.SE
Automated flakiness detection in quantum software bug reports
针对量子软件领域缺乏不稳定测试相关研究的问题，本文梳理了量子软件错误报告中不稳定测试自动检测的挑战与潜在方案，呼吁学界关注并协作解决该新兴问题。
2024-08-09 cs.SE
A Viable Paradigm of Software Automation: Iterative End-to-End Automated Software Development
School of Computer Science, Wuhan University（武汉大学计算机学院）；Key Lab of High Confidence Software Technology (PKU), Ministry of Education School of Computer Science, Peking University（北京大学计算机科学与技术学院 高可信软件技术教育部重点实验室）
本文提出AutoSW范式，通过AI系统作为人类伙伴，实现端到端自动化软件开发，展示了其在各类案例中的可行性。
2025-11-23 cs.SE
Mining Software Repair Models for Reasoning on the Search Space of Automated Program Fixing
本文通过分析软件仓库中数以千计的错误修复事务来理解错误修复的本质。然后，它将这些学习到的知识放在自动程序修复的上下文中。我们给出了大量的经验结果，在大规模和细粒度的抽象语法树差异的性质，人类的错误修复。我们建立了数学推理的搜索空间的自动修复和时间，通过应用我们的方法对14个存储库的Java软件和89,993版本事务，我们表明，并非所有的概率修复模型是等价的。
2013-11-14 cs.SE
Software Reuse in Cardiology Related Medical Database Using K-Means Clustering Technique
基于复用的软件技术被认为是以复用为目的的软件设计过程。软件复用是指利用现有软件构建新软件的过程。度量是物品或事物的属性的定量指标。可重用性是指一段源代码可以再次用于添加新功能的可能性，而只需稍加修改或不做修改。大量的研究已经计划使用可重用性来减少代码、域、需求、设计等，但是在医学领域中应用软件复用的研究却很少。尝试弥合差距，在这个方向上，使用聚类和分类的数据的基础上的距离措施的概念。在本文中，心脏病数据库被认为是研究。所开发的模型将是有用的医生或护理人员，以找出病人的水平在心脏病，推导出所需的药物在几秒钟内，并建议他们的病人。为了度量可重用性，使用了K均值聚类算法。
2013-11-05 cs.SE
Automated Quantum Software Engineering: why? what? how?
本文提供了一个关于自动化量子软件工程（AQSE）研究的个人观点。它阐明了研究AQSE的动机（为什么？），对这样一个框架的精确描述（什么？），以及对实现它所需的组件的思考（如何实现？）。
2022-12-01 cs.ET cs.SE quant-ph
DirectDebug: Automated Testing and Debugging of Feature Models
Graz University of Technology（格拉茨工业大学）；Siemens Energy AG（西门子能源股份公司）；University of Sevilla（塞维利亚大学）
可变性模型（例如，特征模型）是表示软件工件的可变性和共性的常用方式。此类模型可以转换为逻辑表示，从而允许进行不同的质量保证操作和其他类型的模型属性分析。具体而言，复杂且通常是大规模的特征模型可能会出错，即，不代表底层软件工件的预期可变性属性。在本文中，我们介绍了直接诊断方法，这是一个自动化的测试和调试的可变性模型。该算法通过支持自动识别负责可变性模型的意外行为的错误约束来帮助软件工程师。这种方法可以大大减少此类模型的开发和维护工作。
2021-02-11 cs.AI cs.SE
Software Module Clustering based on the Fuzzy Adaptive Teaching Learning based Optimization Algorithm
基于教与学的优化算法（TLBO）虽然在许多实际优化问题中表现出了很好的性能，但由于对探索和利用的控制能力差而受到批评。为了解决这些问题，TLBO的一个新的变种称为自适应模糊教学基于优化（ATLBO）已在文献中开发。本文介绍了采用模糊自适应模糊教学优化（ATLBO）的软件模块聚类问题。与原有的基于教学的优化（TLBO）和其他模糊TLBO变体的比较研究表明，ATLBO提供了优越的性能，由于其自适应选择的搜索算子的基础上需要当前的搜索。
2019-02-13 cs.SE
Modularity and Architecture of PLC-based Software for Automated Production Systems: An analysis in industrial companies
自适应和灵活的生产系统需要模块化和可重复使用的软件，特别是考虑到它们长达50年的长期生存周期。介绍了一种自动化生产系统软件成熟度度量方法SWMAT4aPS。该方法确定了各公司在自动化生产系统（aPS）设计中软件模块化解决方案的弱点和优点。首先，一个自我评估的问卷是用来评估大量的公司关于他们的软件成熟度。其次，我们分析了PLC的代码，建筑水平，工作流程和能力，自动配置代码的工程信息在四个选定的公司。在本文中，问卷调查结果，从16个德国世界领先的公司在机器和设备制造和四个案例研究验证的结果，从详细的分析，以证明该方法的适用性，并给出了一个调查的最先进的工业。
2022-12-07 cs.SE
Applying Semi-Automated Hyperparameter Tuning for Clustering Algorithms
James Cook University（詹姆斯·库克大学）；Queensland University of Technology（昆士兰理工大学）
在处理聚类问题时，选择正确的聚类算法和参数是必不可少的，因为每个聚类算法都擅长找到特定性质的聚类。由于聚类算法的无监督性质，没有可用于经验评估的地面真值，这使得通过超参数调整的参数选择过程的自动化变得困难。以前的聚类算法超参数调整方法依赖于内部度量，这些度量通常偏向于某些算法，或者具有一些可用的地面真值标签，将问题转移到半监督空间中。这项初步研究提出了一个框架，半自动超参数调整聚类问题，使用网格搜索开发一系列的图形和易于解释的指标，然后可以用于更有效的特定领域的评估。初步结果表明，内部指标无法捕捉的语义质量的集群开发和内部指标驱动的方法会得出不同的结论比那些由人工评估。
2021-08-25 cs.LG cs.SE
LLM-based Zero-shot Triple Extraction for Automated Ontology Generation from Software Engineering Standards
Computer Science Department（计算机科学系）；Charleston Southern University（查尔斯顿南方大学）
本文提出基于LLM的零样本三元组提取方法，用于从软件工程标准中自动生成本体，通过改进的工作流程和专家标注集验证了其有效性。
2026-01-10 cs.AI cs.SE
MultiRefactor: Automated Refactoring To Improve Software Quality
本文提出了一种新的软件维护自动化方法。该工具能够执行26种不同的重构。它还包含大量的度量标准来衡量重构对软件的影响，以及六种不同的基于搜索的优化算法来改进软件。该工具包含用于软件改进的单目标和多目标搜索技术，并完全自动化。本文介绍了该工具的各种功能，它的独特之处，并提出了一些实验研究结果。在五个不同的代码库中对各个指标进行测试，以推断出最有效的质量改进指标。发现与代码的更具体元素相关的度量对于驱动搜索中的变化更有用。单目标的遗传算法也测试对多目标算法，看看如何比较所获得的结果与三个单独的目标。当比较每个目标的最佳解决方案时，多目标方法可以在更短的时间内产生适当的质量改进，从而实现快速的维护周期。
2017-10-16 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
Factors Influencing Performance of Students in Software Automated Test Tools Course
本研究通过分析社区学院软件测试研究生课程的学生数据，利用机器学习算法构建预测模型，发现逻辑回归模型准确率达90%，并识别出影响学生表现的关键因素。
2024-05-31 cs.SE
Towards Automated Governance: A DSL for Human-Agent Collaboration in Software Projects
本文提出一种领域特定语言（DSL），用于定义和强制执行涉及人类与AI智能体的软件项目中的治理政策，旨在实现更健壮、可适应且自动化的治理，以促进开源软件等项目的有效协作。
2025-10-16 cs.SE
A Survey on Automated Log Analysis for Reliability Engineering
日志是由软件源代码中的日志语句生成的半结构化文本。近几十年来，软件日志在许多软件系统的可靠性保证机制中已变得必不可少，因为它们通常是记录软件运行时信息的唯一可用数据。随着现代软件向大规模发展，日志的数量迅速增加。为了使现代软件日志在可靠性工程中的有效和高效的使用，已经进行了一些研究自动日志分析。本调查详细介绍了自动日志分析研究的概况，包括如何自动化和辅助日志语句的编写，如何压缩日志，如何将日志解析为结构化事件模板，以及如何使用日志来检测异常，预测故障和促进诊断。此外，我们还调查了发布开源工具包和数据集的工作。基于对最新进展的讨论，我们提出了几个有前途的未来方向，现实世界和下一代自动日志分析。
2021-06-01 cs.SE
Automated Validation of LLM-based Evaluators for Software Engineering Artifacts
IBM Research（IBM研究院）
针对LLM评估器可靠性挑战，提出REFINE框架，通过合成降级工件和排名对齐测试自动验证评估器，在COBOL任务中将一致性得分从0.7提升至0.9以上。
2025-08-04 cs.AI cs.SE
Software publications with rich metadata: state of the art, automated workflows and HERMES concept
为了满足FAIR软件、软件可持续性和软件引用的原则，研究软件必须正式出版。发布存储库使这成为可能，并为发布的软件版本提供唯一和持久的标识符。然而，软件发布仍然是一个繁琐的，主要是手工的过程。为了简化软件出版，由亥姆霍兹元数据协作组织资助的项目HERMES开发了自动化工作流程，以出版具有丰富元数据的研究软件。该项目开发的工具利用持续集成解决方案来检索、整理和处理源存储库中的现有元数据，并将其发布到发布存储库中，包括检查现有元数据需求。为了配合工具并使研究人员能够轻松地重用它，该项目还为广泛使用的CI解决方案提供了全面的文档和模板。在本文中，我们概述了这些工作流程的概念，并描述了我们的解决方案如何推进研究软件出版的最新技术水平。
2022-01-22 cs.DL cs.SE
Automated and manual testing as part of the research software development process of RCE
研究软件通常由个人研究人员或小型团队在研究工作的同时开发。越多的人和研究项目依赖于有问题的软件，软件更新正确实现新功能并且不引入回归就越重要。因此，研究软件的开发人员必须在实现新功能和彻底测试任何代码更改之间平衡他们有限的资源。我们提出的过程中，我们使用的开发分布式集成框架RCE在DLR。这些过程旨在在自动化和手动测试之间取得平衡，减少测试开销，同时尽早解决问题。我们还简要描述了这些测试过程如何与周围的开发和发布过程集成。
2022-04-12 cs.SE
Requirements-Driven Automated Software Testing: A Systematic Review
本文系统综述了需求驱动的自动化软件测试（REDAST），分析156篇文献后发现基于规则的方法占主导、机器学习探索不足，完全自动化罕见，并据此提出未来研究方向。
2025-08-23 cs.SE
MAGPIE: Machine Automated General Performance Improvement via Evolution of Software
University College London（伦敦大学学院）
性能是软件最重要的质量之一。因此，已经提出了几种技术来改善它，如程序转换，优化软件参数，或编译器标志。许多自动化的软件改进方法使用类似的搜索策略来探索可能的改进空间，然而可用的工具一次只关注一种方法。这使得比较和探索各种类型的改进的相互作用变得不切实际。我们提出了一个统一的软件改进框架MAGPIE。它提供了一个基于通用编辑序列的表示，将搜索过程与特定的改进技术隔离开来，从而实现了更简化的协同工作流程。我们提供了一个案例研究，使用一个基本的本地搜索比较编译器优化，算法配置和遗传改进。我们选择运行时间作为我们的效率指标，并在四个真实世界的软件上评估了我们的方法，这些软件是用C、C++和Java编写的。我们的研究结果表明，独立使用，所有的技术发现显着的运行时间的改善：高达25%的编译器优化，97%的算法配置，和61%的进化源代码使用遗传改进。我们还表明，高达10%的性能进一步提高，可以得到不同的技术发现的变体的部分组合。此外，通用表示还可以同时探索所有技术，为单独使用每种技术提供了一种有竞争力的替代方案。
2022-08-04 cs.AI cs.NE cs.SE
Clustering-based Criticality Analysis for Testing of Automated Driving Systems
FZI Research Center for Information Technology（FZI信息技术研究中心）
针对自动驾驶系统基于场景测试中存在的场景冗余问题，提出通过聚类单个逻辑场景下的具体场景来缩减场景集的方法，可提升测试效率并揭示系统行为的模式与潜在问题。
2023-07-24 cs.RO 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
Towards Single-System Illusion in Software-Defined Vehicles -- Automated, AI-Powered Workflow
Technical University of Munich (TUM)（慕尼黑工业大学）；School of Computation, Information and Technology (CIT)（计算、信息与技术学院）
提出一种基于模型和特征的车辆软件开发方法，结合大语言模型实现需求处理、模型生成与测试代码编写的自动化闭环流程，在保持单系统幻觉特性的同时通过迭代优化涌现最终架构。
2024-03-21 cs.AI cs.CL cs.SE
A Review on the Process of Automated Software Testing
对自动化、数字化和快速计算的需求使IT部门对高度可靠、高效和经济高效的软件寄予厚望。考虑到软件产品的测试、验证和确认过程消耗了总收入的50-75%，如果测试过程是无效的，则必须投入“n”倍的支出来修复所造成的破坏。项目完成的延迟通常归因于测试阶段，因为调试过程有许多周期。软件测试过程确定向用户发布的产品的外观。它设定了公司产品的标准和可靠性。随着复杂性的增加，测试变得越来越激烈，以便检查所有的离群值和处理流程的各个分支。测试过程是自动化的，使用软件工具，以避免繁琐的手动过程中的测试输入生成和验证标准，这证明程序只有在一定的置信水平，在存在离群值。
2022-09-07 cs.SE
A Comparative Study of Various Distance Measures for Software fault prediction
在软件开发的早期阶段，不同的距离测量已经被用于有效地预测软件故障。由于其计算效率，用于软件故障预测的一种定型方法是K均值聚类，其使用任何距离度量将数据集划分为K个聚类。通过使用一些度量的距离测量被用来提取相似的数据对象，这有助于开发有效的聚类和分类算法。本文利用NASA MDP（metrics data program）数据集，研究了三种不同距离测度Euclidean、Sorensen和Canberra下的K-means聚类，并给出了ROC曲线。实验结果表明，基于Sorensen距离的K-means聚类效果优于Euclidean距离和Canberra距离。
2014-11-27 cs.SE
AutoMATES: Automated Model Assembly from Text, Equations, and Software
University of Arizona（亚利桑那大学）；School of Information, University of Arizona（亚利桑那大学信息学院）；Department of Computer Science, University of Arizona（亚利桑那大学计算机科学系）
复杂系统的模型可以以不同的方式表示-在科学论文中，它们使用自然语言文本以及方程表示。但要真正使用，它们还必须实现为软件，从而使代码成为表示模型的第三种形式。我们介绍的AutoMATES项目，其目的是建立语义丰富的统一表示的模型，从科学的代码和出版物，以促进集成的计算模型从不同的领域，并允许建模大型，复杂的系统，跨越多个领域和抽象层次。
2020-01-21 cs.AI cs.MM cs.SE
A strategy to identify components using clustering approach for component reusability
基于构件的软件工程（CBSE）在构建大型软件系统方面发挥了非常重要的作用。实现软件构件的可重用性是非常必要的。为了实现这一点，组件标识是强制性的。文献中介绍了传统的方法。然而，有效的重用仍然是一个具有挑战性的问题。在本文中，已经提出了一种策略，使用聚类方法识别的业务组件。这种方法将有助于识别不同领域的可重用组件。所提出的方法已经确定了重新配置的组件使用CBO措施，以减少对象之间的耦合。通过考虑这一拟议的战略，可以提高组织的生产力。
2014-06-14 cs.SE
Automated Software Testing Using Metahurestic Technique Based on An Ant Colony Optimization
软件测试是软件开发生存周期中重要而有价值的一部分。由于时间，成本和其他情况，详尽的测试是不可行的，这就是为什么有必要自动化的软件测试过程。状态转换测试（STT）是实时的、嵌入式的、基于Web的软件系统中常用的测试方法。本文的目的是提出一种算法，通过应用蚁群优化技术，生成最佳和最小的测试序列的行为规格说明的软件。本文提出的方法生成测试序列，以获得完整的软件覆盖率。本文还讨论了基于转换的测试的两种元启发式技术（遗传算法和蚁群优化）之间的比较
2011-06-14 cs.SE
Analysis of Software Binaries for Reengineering-Driven Product Line ArchitectureâAn Industrial Case Study
本文描述了一种从一组相似（但不相关）的二进制形式的软件产品中恢复软件体系结构的方法。一个意图是将重构驱动到软件产品线中，并将架构恢复与运行时间二进制分析和现有的聚类方法相结合。使用我们的运行时二进制分析，我们创建的图表，捕捉不同的软件部分之间的依赖关系。这些被聚集到更小的组件图中，将具有高交互性的软件部分分组到更大的实体中。组件图作为进一步软件产品线工作的基础。在本文中，我们集中在分析部分的方法和图聚类。我们将图聚类方法应用到自动化/机器人配置软件工具的背景下的实际应用中。
2015-04-14 cs.SE
Selene: Pioneering Automated Proof in Software Verification
本文介绍 Selene，这是第一个基于 seL4 微内核构建的项目级自动化证明基准，提供端到端证明生成框架和轻量级验证环境，并通过 GPT-3.5-turbo 和 GPT-4 等实验展示了LLM 在自动化证明生成领域的能力能力。
2024-06-05 cs.SE
Automated Performance Tuning for Highly-Configurable Software Systems
性能是软件需求的一个重要的非功能方面。现代软件系统是高度可配置的，错误的配置很容易导致性能问题。遭受性能问题的软件系统可能表现出低程序吞吐量和长响应时间。但是，配置空间的庞大规模使得管理员很难手动选择和调整配置选项以实现更好的性能。在本文中，我们提出了ConfRL，一种自动调整软件性能的方法。ConfRL的核心思想是使用强化学习通过试错法探索配置空间，并使用从环境接收的反馈来调整配置选项值以实现更好的性能。为了降低强化学习的成本，ConfRL采用了采样、聚类和动态状态简化技术，以保持大型配置空间中的状态可管理。我们对四个真实世界的高配置服务器程序的评估表明，ConfRL可以有效地指导软件系统实现更高的长期性能。
2020-10-03 cs.SE
Software Framework for Testing of Automated Driving Systems in a Dynamic Traffic Environment
自动驾驶系统（ADS）的虚拟测试已成为所有自动化水平测试程序的重要组成部分。由于自动化水平3及以上的ADS非常复杂，因此对此类系统进行虚拟测试是不可避免的。这些层次的复杂性在于对虚拟环境的建模和计算需求，虚拟环境包括道路、交通、静态和动态对象以及汽车本身的建模。对于ADS的安全性和性能分析，最重要的部分是道路交通参与者的建模和考虑。有多种交通流仿真软件（TFSS）用于再现真实的交通行为，并直接或通过接口与车辆仿真软件（VSS）集成。对于这些软件环境，以定义的方式操纵交通参与者的可能性是有益的，例如在被测车辆附近或实现用于交通车辆的定义的驾驶员模型。在本文中，我们提出了一个软件框架的基础上提供的外部驱动程序模型接口的Vissim。这个框架使得它可以很容易地操纵交通参与者的ADS测试的目的。
2021-03-24 cs.SE
ARTENOLIS: Automated Reproducibility and Testing Environment for Licensed Software
动机：自动测试代码变更是持续集成的一个基本特性。对于开源代码，没有许可的依赖关系，存在各种持续集成服务。基于约束的重建和分析（COBRA）是一套用于计算建模的开源代码，依赖于许可软件。一个新的自动化框架的持续集成在半许可证的环境中需要开发的COBRA社区和相关工具的COBRA。结果如下：ARTENOLIS是一个通用的基础设施软件应用程序，它实现了开源软件与许可依赖项的持续集成。它使用主从框架，在多个操作系统和多个版本的许可软件依赖项上测试代码。ARTENOLIS确保COBRA工具和相关工具中代码的稳定性、完整性和跨平台兼容性。可用性和实施：可通过artenolis.lcsb.uni.lu免费访问持续集成服务器，该服务器是再现性和测试基础设施的核心。持续集成框架代码位于/.ci目录中，位于存储库的根目录下，可在github.com/opencobra/cobratoolbox上免费获得。
2017-12-01 cs.SE
Towards Automated Data Integration in Software Analytics
软件组织希望能够根据最新的可用数据集以及从中获得的实时分析做出决策。为了支持软件组织的“实时企业”，并为不同的利益相关者提供信息透明性，我们整合了关于软件分析的异构数据源，如静态代码分析、测试结果、问题跟踪系统、网络监控系统等，以处理底层数据源的异构性，我们在本文中遵循基于本体的数据集成方法，并定义了一个本体，该本体捕获用于软件分析的相关数据的语义。此外，我们专注于这样的数据源的集成，提出了两种方法：静态和动态的。我们首先讨论了当前的静态方法与一组预定义的分析视图表示软件质量因素，并进一步设想如何将此过程自动化，以动态构建自定义用户分析使用半自动平台管理的分析基础设施的生命周期。
2018-08-16 cs.SE
Improving Problem Identification via Automated Log Clustering using Dimensionality Reduction
Simula Research Laboratory（Simula研究实验室）
目标：我们考虑的问题，自动分组日志的运行失败的相同的根本原因，使他们能够得到更有效的治疗，并调查以下问题：（1）是否开发的方法来识别系统日志中的问题推广到识别问题的连续部署日志？(2)降维如何影响自动日志聚类的质量？(3)聚类算法中用于合并聚类的标准如何影响聚类质量？方法：我们复制和扩展早期的集群系统日志文件的工作，以评估其泛化到连续部署日志。我们考虑这些降维技术之一的可选包括：主成分分析（PCA），潜在语义索引（LSI），和非负矩阵分解（NMF）。此外，我们考虑三种替代集群合并标准（单一连锁，平均连锁，加权连锁），除了在早期的工作中使用的完全连锁标准。我们经验性地评估了16个由我们的工业合作者提供的连续部署日志上的配置。结果如下：我们的研究表明，（1）通过聚类识别连续部署日志中的问题是可行的，（2）包括NMF显着提高了整体准确性和鲁棒性，（3）完全链接在所有分析的合并标准中表现最好。结论：我们的结论是，通过自动日志聚类的问题识别，包括降维改进，因为它降低了管道的参数选择的敏感性，从而增加了处理不同输入的鲁棒性。
2020-09-07 cs.IR cs.LG cs.SE
RANalyzer: Automated Continuous RAN Software Evaluation and Regression Analysis
Northeastern University（东北大学）
本文提出RANalyzer框架，通过结合LLM语义提取与残差分析，量化软件更新对性能的影响，利用大规模测试数据识别代码变更导致的性能退化并实现自动化评估。
2026-04-25 cs.NI cs.SE
Automated Extraction and Analysis of Developer's Rationale in Open Source Software
本研究基于Kantara架构实例化，结合预训练模型与大语言模型提出开源软件开发者设计理由的自动化提取分析方法，可检测推理冲突与设计退化问题，经Linux内核OOM-Killer模块及五个高活项目验证具备可行性与泛化潜力，助力开发者规避变更冲突。
2025-04-22 cs.SE
AgenticTyper: Automated Typing of Legacy Software Projects Using Agentic AI
Darmstadt University of Applied Sciences（达姆斯塔德应用技术大学）；MaibornWolff GmbH（马本沃尔夫公司）
AgenticTyper利用代理AI自动类型化遗留软件项目，通过迭代错误纠正和行为保留技术，高效解决类型错误问题。
2026-02-21 cs.AI cs.MA cs.PL
TUM Teleoperation: Open Source Software for Remote Driving and Assistance of Automated Vehicles
Institute of Automotive Technology Technical University of Munich（汽车技术研究所慕尼黑技术大学）
针对现有开源软件无法同时结合自动驾驶车辆远程驾驶与远程辅助及实车测试的空白，提出一种模块化开源远程操作软件栈，支持与Autoware等自动驾驶软件交互及多平台集成，并在仿真和真实环境中验证了其延迟与性能。
2025-06-16 cs.HC cs.RO 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
A Comprehensive Survey of Benchmarks for Automated Improvement of Software's Non-Functional Properties
针对软件非功能属性自动改进缺乏标准基准的问题，本调查系统梳理了386篇相关论文，发现执行时间最受关注（62%），多目标改进罕见（5%），并提供了基准选择建议，以促进该领域研究。
2022-12-16 cs.SE
Integrating Threat Modeling and Automated Test Case Generation into Industrialized Software Security Testing
工业物联网（IIoT）应用为推动工业生产效率的提高提供了一系列全新的可能性。然而，随着系统之间的高度集成，后者面临着过多的新威胁，因为它们尚未被设计为广泛可达和互操作。为了缓解这些大量的新威胁，系统化和自动化的测试方法是必要的。这种全面性可以通过彻底的威胁建模来实现。为了自动化安全测试，我们提出了一种方法，自动化的测试过程中，从威胁建模向前，关闭之间的差距威胁建模和自动化测试用例生成。
2019-11-15 cs.CR cs.SE
Automated System-Level Software Testing of Industrial Networked Embedded Systems
嵌入式系统无处不在，在工业和交通管理系统中发挥着关键作用。这些领域中的软件故障可能导致生产损失甚至生命损失，因此这些系统中的软件需要可靠。软件测试是嵌入式软件质量保证的标准方法，许多软件开发过程都在努力实现测试自动化。在成功的软件测试自动化所面临的众多挑战中，本文解决了五个问题：（i）了解更新的软件如何到达测试环境，测试如何在测试环境中进行，以及测试结果如何到达最初更新软件的开发人员;（ii）在给定的可用时间和测试系统的约束下，选择哪些测试用例在测试套件中执行;（iii）假定测试用例在连接的设备的不同配置上运行，则选择哪个硬件用于要执行的每个测试用例;（iv）分析当随时间在演进的软件、测试件或硬件修订版上执行时看起来随机失败的测试用例;以及（v）利用测试结果探索和可视化使测试结果信息可操作。应对这些挑战的方式有几种。[摘要被截断。]
2021-11-16 cs.SE
SAFFRON: A Semi-Automated Framework for Software Requirements Prioritization
由于当前软件开发方法的动态性质，需求的变化被接受并给予适当的考虑。然而，这引发了排名颠倒问题，涉及到根据涉众的反馈重新确定需求的优先级。由于大量的人类交互所花费的时间，它产生了巨大的成本。针对这一问题，本文提出了一个软件需求优先级半自动化框架SAFFRON。对于特定的需求，SAFFRON预测适当的利益相关者的评级，以减少人类的互动。最初，项目-项目协同过滤是用来估计新的和以前引出的需求之间的相似性。利用这种相似性，确定最有可能对需求进行评级的利益相关者。然后，基于潜在因素模型的协同过滤被用来预测这些利益相关者的评级。在RALIC数据集上实现并测试了该方法。结果表明，与现有技术方法类似，与地面实况一致相关。此外，SAFFRON需要减少13.5-27%的人工交互来重新确定需求的优先级。
2017-12-31 cs.SE
Classification of automatic software build methods
从源代码和其他组件（如库、数据库文件等）创建工作软件的过程。被称为“软件构建”。除了链接和编译，它还可以包括其他步骤，如自动化测试，静态代码分析，文档生成，部署等。所有这些步骤都可以使用某种类型的构建描述（例如脚本）来自动化。本文对自动软件构建过程进行了分类，从构建脚本开始，一直到各种类型的持续集成。
2013-05-21 cs.SE
