validation method to improve behavioral flows on uml requirements analysis model by cross-checking with state transition model
我们提出了一种方法来评估和提高所需规格的有效性，从不同的角度比较模型。从分析员根据初始需求定义服务过程的模型中自动提取信息;此后，分析员自动将其与来自相同初始需求的状态转换模型进行比较，该初始需求由与分析员不同的评估员创建。将识别出的不一致报告给分析员，以便改进所需的质量标准。我们开发了一个工具，提取和比较，然后讨论其有效性，通过应用该方法的需求规格说明的例子。
2021-03-01 cs.SE
Assessing UML Diagrams by GPT: Implications for Education
Wuhan University（武汉大学）；Wuchang Shouyi University（武昌首义大学）
针对高校UML作业人工评阅耗时耗力的问题，本文提出含11项细则的UML图评估标准，通过40份学生作业实验测试GPT评估三类UML图的性能，明确其可用但暂无法替代人工的结论及评估优劣势。
2025-11-18 cs.SE
QuantUM: Quantitative Safety Analysis of UML Models
在开发安全关键系统时，必须对不同的设计方案进行评估。特别是，系统的架构设计的早期安全评估是可取的。尽管有过多的正式的定量分析方法，但软件和系统架构师仍然很难将这些技术集成到他们的日常工作中。这主要是由于缺乏可以直接应用于架构级模型的方法，例如UML图。此外，所使用的描述方法不需要对形式方法有深刻的了解。我们的方法弥补了这一差距，并提高了定量安全分析方法到开发过程中的集成。分析的所有输入都是在UML模型的层次上指定的。然后，该模型被自动地转换成分析模型，并且分析的结果因此在UML模型的级别上被表示。因此，在分析过程中使用的分析模型和形式化方法对用户是隐藏的。我们说明了我们的方法使用工业实力的案例研究的有用性。
2011-07-06 cs.SE
Formalizing UML State Machines for Automated Verification -- A Survey
本文综述了1997至2021年间形式化UML状态机语义以进行模型检查的研究，指出形式化可消除自然语言歧义、支持自动验证，从而在早期发现设计漏洞并降低成本。
2024-07-24 cs.LO cs.SE
Model-Based Debugging using Multiple Abstract Models
本文介绍了一个自动调试框架，它依赖于基于模型的推理技术来定位程序中的错误。特别是，基于模型的诊断，连同一个抽象的解释为基础的冲突检测机制来推导诊断，这对应于可能的故障程序。设计信息和部分规范应用于指导模型修订过程，该过程允许自动检测和校正结构故障。
2003-09-17 cs.AI cs.SE
Review and Analysis of The Issues of Unified Modeling Language for Visualizing, Specifying, Constructing and Documenting the Artifacts of a Software-Intensive System
UML允许我们以精确、完整和明确的方式指定模型。特别是，UML解决了关于分析、设计和实现的所有重要决策的规范。尽管UML不是一种可视化编程语言，但是它的模型可以直接连接到各种各样的程序设计语言。这使得软件开发的双重方法成为可能：开发人员可以选择输入的方式。UML可以直接使用，从中可以生成代码;或者另一方面，最好用文本表示的东西可以作为代码输入程序。在一个理想的世界里，UML工具将能够对代码的任何直接更改进行反向工程，并且UML表示将与代码保持同步。然而，如果没有人为干预，这并不总是可能的。在从模型转移到代码时，会丢失某些信息元素。即便如此，程序设计语言代码的某些方面似乎保留了更多的语义，因此允许将代码自动逆向工程回UML模型的子集。
2010-01-23 cs.SE
Wherefore Art Thou? Provenance-Guided Automatic Online Debugging with Lumos
Princeton University（普林斯顿大学）；ByteDance（字节跳动）
本文提出Lumos框架，通过静态分析引导依赖追踪，实现低开销的在线调试，帮助开发者快速定位分布式系统中的根本原因。
2026-06-08 cs.DC cs.SE
Event-Driven Inconsistency Detection Between UML Class and Sequence Diagrams
Universidade do Vale do Rio dos Sinos（圣瓦莱河大学）
针对软件工程建模中一致性维护难的问题，提出集成于Papyrus的Harmony Validator工具，以事件驱动架构实时检测UML类图与序列图不一致，经学生案例研究验证可提升建模教学中的一致性理解与反思性学习。
2025-11-11 cs.SE
WDD: Weighted Delta Debugging
University of Waterloo（滑铁卢大学）；The Hong Kong University of Science and Technology（香港科技大学）
针对Delta调试忽视元素大小差异导致效率低下的问题，提出加权Delta调试（WDD），根据元素大小分配权重并在划分时区分，显著提升最小化性能。
2024-12-16 cs.PL cs.SE
Combining Logic with Large Language Models for Automatic Debugging and Repair of ASP Programs
本文提出 FormHe，融合逻辑故障定位、程序变异与 LLM，自动识别并修复学生提交的错误 ASP 程序，实验显示故障检测准确率达 94%、修复成功率达 58%。
2024-10-28 cs.LO cs.SE
Extending UML-RT for Control System Modeling
Department of Electrical and Computer Engineering, The University of Western Ontario（韦仕敦大学电气与计算机工程系）
本文提出将实时调度理论与面向对象方法结合，改进UML-RT以支持实时控制系统中时效性属性的分析，通过建模外部消息和偶发活动，提升实时控制系统的调度可行性评估。
2015-08-25 cs.SE cs.SY eess.SY
Unified Modeling Language Code Generation from Diagram Images Using Multimodal Large Language Models
University of Oklahoma（俄克拉荷马大学）；MapLarge（MapLarge公司）；Florida State University（佛罗里达州立大学）
针对 UML 图表图像难以逆向生成可执行代码的问题，本文构建合成活动图与序列图数据集，采用标准微调和 LoRA 优化多模态大模型，最佳模型在序列图上取得 BLEU 0.779、SSIM 0.942。
2025-05-15 cs.LG cs.SE
DREAM: Debugging and Repairing AutoML Pipelines
University of Massachusetts（马萨诸塞大学）
本文针对AutoML系统中存在的性能漏洞和无效搜索漏洞，设计并实现了自动调试与修复系统DREAM，通过监控过程收集反馈并利用扩展搜索空间及反馈驱动策略，有效高效地修复了AutoML漏洞。
2023-12-31 cs.AI cs.SE
Modeling State in Software Debugging of VHDL-RTL Designs -- A Model-Based Diagnosis Approach
在本文中，我们概述了一种方法，应用基于模型的诊断领域的自动软件调试的硬件设计。我们提出了我们的值级模型调试VHDL-RTL设计，并展示了如何本地化的错误组件负责观察到的不当行为。此外，我们讨论了我们的模型，支持调试的时序电路，不仅在给定的时间点，但也允许考虑的时间行为的VHDL-RTL设计的扩展。所引入的模型是能够处理状态固有地存在于每一个时序电路。新模型的主要适用性简要概述，我们使用工业规模的真实世界的例子，从ISCAS'85基准套件，讨论我们的方法的可扩展性。
2003-11-03 cs.AI cs.SE
Finding Failure Causes through Automated Testing
程序失败。在什么情况下会发生这种故障？一个单一的算法，增量调试算法，足以确定这些故障诱导的情况。增量调试系统地和自动地测试程序，以隔离导致失败的环境，例如程序输入，程序代码的更改或执行的语句。
2000-12-14 cs.SE
Using Calculation Fragments for Spreadsheet Testing and Debugging
多年来，研究文献中提出了许多自动化技术和工具，旨在支持电子表格开发人员在测试和调试错误电子表格的过程中。这些方法中的许多方法的一个基本假设是，电子表格开发者能够提供测试用例，或者至少能够可靠地确定给定当前输入集合的某个单元格中的计算值是否正确。由于现实世界的电子表格可能很复杂，我们认为这些假设在某些情况下可能过于强大。因此，我们建议在测试和调试过程中，通过自动计算可管理大小的电子表格片段来支持用户。然后，电子表格开发人员可以验证更小的公式集的正确性，对于这些公式集，可以更容易地验证计算输出。
2015-03-11 cs.SE
Query2Diagram: Answering Developer Queries with UML Diagrams
HSE University（俄罗斯高等经济学院）；St. Petersburg Department of Steklov Mathematical Institute, RAS（圣彼得堡斯捷克洛夫数学研究所（俄罗斯科学院））；St. Petersburg State University（圣彼得堡国立大学）
本文提出基于LLM的UML图生成方法，通过微调Qwen2.5-Coder-14B模型，生成语义聚焦的代码图谱，提升文档生成的准确性和实用性。
2026-07-07 cs.AI cs.SE
Design and Implementation of Data Acquisition and Analysis System for Programming Debugging Process Based On VS Code Plug-In
ONUS Global Fulfillment Solutions（ONUS全球履约解决方案）
本文设计并实现了一个基于VS Code插件的编程调试过程数据采集与分析系统，通过抽象语法树模型和多维调试场景，实现调试行为的全过程监控与精准分析，为编程调试教学提供过程性评价支持。
2025-11-08 cs.SE cs.SI
UCMExporter: Supporting Scenario Transformations from Use Case Maps
用例图（UCM）场景符号适用于许多需求工程活动。然而，其他场景符号，如消息序列图（MSC）和UML序列图（SD），已经被证明更适合于详细设计。为了以有效的方式使用最适合每个阶段的符号，必须设计一种机制来自动将需求分析阶段（使用UCM）获得的知识转移到设计阶段（使用MSC或SD）。本文介绍了UCMEXPORTER，一个新的工具，实现了这样的机制，并减少了高层次的需求和详细设计之间的差距。UCMEXPORTER自动将单个UCM场景转换为UML序列图、MSC场景，甚至TTCN-3测试框架。我们强调了该工具的当前功能以及解决这种转型过程中面临的主要挑战的架构解决方案，包括并发场景路径的处理，自定义消息的生成和工具的互操作性。
2010-12-11 cs.SE
Optimal Divide and Query (extended version)
自动调试是一种半自动调试技术，允许程序员精确地识别错误的位置，而无需检查源代码。该技术已经成功地适应了所有的范例，并且已经为Haskell，Prolog或Java等语言发布了成熟的实现。在过去的三十年中，Shapiro提出并由Hirunkitti改进的算法一直被认为是最佳的。在本文中，我们首先表明，该算法不是最优的，而且，在某些情况下，它是无法找到所有可能的解决方案，因此它是不完整的。然后，我们提出了一个新的版本的算法，证明是最佳的，我们引入一些方程，让算法来确定所有的最优解。
2011-07-26 cs.PL cs.SE
Detection of Syntactic Aspect Interaction in UML State Diagrams Using Critical Pair Analysis in Graph Transformation
面向方面建模通过在模型级定义方面和组合机制来分离横切关注点。多个方面的组合很可能会导致多个方面匹配相同的连接点。因此，方面在编织在一起时并不总是以可预测的方式进行交互。方面之间的预期交互由系统设计者设计。必须自动管理非预期的交互（或干扰）。当编织方面展示了一个不同于其自主行为的行为时，这就是一个潜在的干扰。最近，业界在面向方面的软件开发（AOSD）中报告了干扰。如果不解决这个问题，可能会导致不稳定的软件行为，并将阻碍行业对AOSD的适应。这个问题类似于图变换系统中存在的一种现象，其中多个图变换规则共享一些冲突元素，它被称为关键对分析，它提供了一种基于代数的机制来检测和分析规则的交互。在本文中，我们提出了一个框架，以检测意外方面的互动模型的水平。该框架将UML状态图中建模的Aspect转换为图转换规则，然后应用关键对分析来检测Aspect之间的非预期交互。这将使开发人员能够仅指定方面之间预期交互的优先顺序，而不需要手动调查系统中每个方面与每个其他方面的组合的非预期交互。所提出的交互检测解决方案是自动化的、模块化的，并且独立于基本模型;这增加了每次基本模型改变时不必重新评估交互的优点。
2013-12-25 cs.SE
Effects of Hints on Debugging Scratch Programs: An Empirical Study with Primary School Teachers in Training
学习者程序中的错误通常是基本误解的结果。教师经常面临的挑战是，首先必须了解这些错误，然后提出修复它们的方法。为了使教师能够有效和高效地这样做，最好支持他们识别和修复错误。误解通常会导致类似错误的重复模式，从而使自动化工具能够在常见错误模式出现时提供提示。在本文中，我们调查在何种程度上的提示提高了教师在调试学习者的程序使用一个队列的163名小学教师的培训，任务是纠正错误的Scratch程序的有效性和效率，有和没有提示的错误模式。我们的实验表明，自动生成的提示可以将查找和修复错误的时间从8.66分钟减少到5.24分钟，同时将正确解决方案的有效性提高34%。虽然这种改进是令人信服的，但可以说，培训中的教师可能首先需要学习调试“艰难的方式”，以免错过依靠工具学习的机会。因此，我们调查是否在训练过程中使用提示影响他们的能力，以识别和修复错误没有提示。我们的实验没有提供任何重要的证据表明，无论是学习调试与提示或学习调试“困难的方式”导致更好的学习效果。总的来说，这表明，错误模式可能是一个有用的概念，包括在课程中的教师培训，而工具支持，以认识到这些模式是可取的教师在实践中。
2021-08-16 cs.SE
Toward Debugging Deep Reinforcement Learning Programs with RLExplorer
Mila（米拉研究所）；Polytechnique Montréal（蒙特利尔理工学院）；Université de Montréal（蒙特利尔大学）
针对深度强化学习系统故障难调试的问题，提出首个DRL故障诊断工具RLExplorer，通过监控训练轨迹检测特有故障并给出解决方案，实验验证其诊断准确率高、缺陷识别效率远超人工且易集成。
2024-10-06 cs.AI cs.LG cs.SE
Class Model Generation from Requirements using Large Language Models
Monash University（莫纳什大学）；University College Dublin（都柏林大学学院）
本文研究了大型语言模型在自动从自然语言需求生成UML类图方面的有效性，通过双验证框架评估模型生成的准确性和一致性。
2026-03-10 cs.SE
Automatic Failure Explanation in CPS Models
信息物理系统（CPS）模型可能非常复杂。事实上，仅仅检测到一个故障是不足以知道如何纠正一个错误的模型。故障可以在时间和空间上传播，在与故障位置完全不同的位置产生可观察到的异常行为。理解观察到的故障的原因通常是留给设计者的经验和领域知识的具有挑战性和费力的任务。\n在本文中，我们提出了CPSstroke，一种新的方法，通过结合测试，规格挖掘，和故障分析，可以自动解释故障的Simulink/Stateflow模型。我们评估两个案例研究，涉及两个使用场景和几类故障，展示了我们的方法的潜在价值。
2019-03-29 cs.LO cs.SE
Do AI models help produce verified bug fixes?
Constructor Institute of Technology（构造技术研究所）
本研究通过随机对照实验，利用程序证明环境验证修复正确性，探究LLM在自动程序修复中的实际效用，发现结果出乎意料，并贡献了可复用的实验方法、行为分析、7类使用模式及实用建议。
2025-08-04 cs.AI cs.SE
Debugging WebAssembly? Put some Whamm on it!
本文提出 Whamm，一种用于 WebAssembly 的声明式插桩 DSL，通过抽象插桩策略并利用字节码重写与引擎优化，解决了工具碎片化、高开销和底层定制繁琐的问题，实现了高效且可编程的程序监控。
2025-04-28 cs.SE
Automatic Transformation of Natural to Unified Modeling Language: A Systematic Review
上下文：对于软件工程中的需求分析人员来说，手动处理软件需求规格说明（SRS）需要花费更长的时间。研究人员一直在努力开发一种自动方法来简化这项任务。大多数现有的方法需要分析师的一些干预，或者使用起来很有挑战性。基于启发式规则或机器学习算法的自动和半自动方法被开发出来。然而，有各种限制现有的UML生成方法，如限制歧义，长度或结构，照应，不完整性，输入文本的原子性，领域本体的要求等目的：本研究旨在更好地了解现有系统的有效性，并提供一个概念框架，进一步改进的指导方针。方法：我们进行了系统性文献综述（SLR）。我们的研究选择分为两个阶段，并选择了70篇论文。我们通过手动提取信息、交叉检查和验证我们的发现进行了定量和定性分析。结果：我们描述了现有的方法，并揭示了这些工作中观察到的问题。我们确定并聚类了所选文章的局限性和益处。结论：本研究坚持一个共同的数据集和评估框架的必要性，以扩大研究一致。它还描述了研究人员面临的自然语言处理障碍的意义。此外，它为未来的研究开辟了一条前进的道路。
2022-05-28 cs.SE
Generating Logical Specifications from Requirements Models for Deduction-based Formal Verification
工作涉及自动生成的逻辑规格的需求模型。以这种方式获得的逻辑规范可以使用演绎推理进行形式化验证。形式化验证关注模型行为的正确性。需求工程的可靠性对于软件开发过程的所有阶段都是必不可少的。演绎推理是一种重要的形式化方法。然而，逻辑规范，被认为是一组时序逻辑公式，很难指定手动经验不足的用户，这一事实可以被视为一个重大障碍，实际使用的演绎为基础的验证工具。提出了一种利用UML图建立需求模型的方法，包括逻辑规格说明。将活动图组织到预定义的工作流模式中可以自动提取逻辑规范。所提出的方法的关键方面是集成的需求工程阶段和逻辑规格的自动生成。提出了一种基于演绎的验证系统。推理过程可以基于语义表方法。提供了一个简单的需求获取和验证的示例。
2014-02-09 cs.SE
RE-oriented Model Development with LLM Support and Deduction-based Verification
本文提出面向需求工程的 UML 建模框架，结合 LLM、逻辑推理与演绎形式化验证，实现行为模型到逻辑规范的转换及程序骨架自动生成。
2025-06-10 cs.SE
Toward a Better Understanding of Probabilistic Delta Debugging
本文首次对 ProbDD 进行深入理论与实证分析，揭示其通过跳过低效查询克服 ddmin 瓶颈且随机性影响甚微，并据此提出简化版 CDD，在 76 个基准上以更低复杂度达到同等性能。
2025-05-08 cs.SE
Automatic generation of analysis class diagrams from use case specifications
在面向对象的软件开发中，分析建模涉及从软件需求中识别问题级对象以及它们之间的关系的任务。软件需求通常用某种自然语言编写，分析建模通常由有经验的分析人员执行。软件需求是非结构化的文本，而分析模型通常是结构化的UML图，两者之间存在巨大的差距，加上人为的疏忽，不可避免地使转换过程容易出错。此过程的自动化可以帮助减少转换中的错误。在本文中，我们提出了一个工具支持的方法，自动转换的用例规格说明书的英文语言到分析类图。该方法分为四个步骤。它首先将用例的文本规范作为输入，然后使用自然语言解析器为规范中的每个句子生成类型依赖和词性标记。然后，使用一组全面的句子结构规则来识别每个句子的句子结构。接着，它应用一组转换规则的类型依赖和词性标记的句子，发现问题级对象和它们之间的关系。最后，它生成并可视化分析类图。我们进行了一个对照实验，比较的正确性，完整性和冗余的分析类图所产生的方法与现有的自动化方法。实验结果表明，该方法生成的分析类图比其他方法生成的分析类图更正确、更完整、冗余度更低。
2017-08-05 cs.SE
