Is Reuse All You Need? A Systematic Comparison of Regular Expression Composition Strategies
针对正则表达式组合策略缺乏比较的问题，该研究构建RegexReuseDB和RegexCompBench数据集，设计reuse-by-example方法，系统评估复用、形式化合成和LLM生成策略，发现复用和LLM在多指标上表现更优，为策略选择和工具设计提供参考。
2025-09-23 cs.SE
A Pattern based methodology for evolution management in business process reuse
今天，有过程感知信息系统（PAIS）与一组业务流程模型，随着时间的推移而变化，以满足新的需求。在竞争激烈的环境中，企业面临的关键挑战是减少流程设计和应用程序开发的成本和时间。为了实现这一目标，在业务流程管理中的重用研究中引入了可配置流程模型的概念，试图通过将一组流程变量集成到单个模型中来管理业务流程的可变性。在这种背景下，许多研究工作都有兴趣创建和阐述可配置的过程模型。然而，这已经变得不够，因为可配置的过程模型本身应该发展以添加新的变化。反过来，这需要一个全面的支持，以管理可配置的过程模型的演变。在本文中，我们提出了一个完整的模式为基础的方法来管理可配置的过程模型的活动，数据和资源的演变。我们的目标是提出一个过程模式系统，指导设计人员在建模和发展可配置的过程模型。此外，我们的过程模式系统将用于自动化的支持，以管理可配置的过程模型的演变。
2014-03-25 cs.SE
Transforming Platform-Independent to Platform-Specific Component and Connector Software Architecture Models
将组件和连接器架构描述语言与组件行为建模语言相结合，可以独立于平台对软件架构的大部分进行建模。非平凡系统通常包含具有程序设计语言行为描述的组件，以与API接口。这些组件将完整的软件体系结构绑定到特定的平台，从而妨碍了重用。以前在多平台软件架构重用方面的工作要么需要特定于平台的手工制作，要么需要明确的平台模型。我们提出了一个自动化的方法来转换平台无关的，逻辑的软件架构到架构与平台特定的组件。这种方法将抽象组件引入到平台无关的体系结构中，并在代码生成之前使用特定于目标平台的组件来细化SE。因此，一个单一的逻辑软件架构模型可以重用多个目标平台，这增加了架构的成熟度，并减少了维护工作的多个类似的软件架构。
2015-11-17 cs.SE
AutoFirm: Automatically Identifying Reused Libraries inside IoT Firmware at Large-Scale
针对物联网固件复用库带来的安全风险，提出自动化工具AutoFirm，通过语法信息检测复用库，经大规模实证研究发现厂商普遍忽视更新过时库，漏洞威胁严峻。
2024-06-18 cs.CR 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
An Empirical Study of Pre-Trained Model Reuse in the Hugging Face Deep Learning Model Registry
Purdue University（普渡大学）；Loyola University Chicago（芝加哥洛约拉大学）
深度神经网络（DNN）正被用作软件系统中的组件。随着最先进的架构变得越来越复杂，从头开始创建和专门化DNN变得越来越困难。遵循传统软件工程的道路，机器学习工程师已经开始重用大规模预训练模型（PTM），并为下游任务微调这些模型。以前的作品已经研究了传统软件包的重用实践，以指导软件工程师更好地维护软件包和依赖管理。我们缺乏类似的知识基础来指导预先训练的模型生态系统中的行为。在这项工作中，我们提出了第一个PTM重用的实证调查。我们采访了来自最受欢迎的PTM生态系统Hugging Face的12位从业者，以了解PTM重用的实践和挑战。从这些数据中，我们为PTM重用的决策过程建模。基于确定的做法，我们描述了有用的属性模型重用，包括出处，再现性和可移植性。PTM重用的三个挑战是缺少属性、声称的性能与实际性能之间的差异以及模型风险。我们证实了这些确定的挑战与系统的测量拥抱脸生态系统。我们的工作通过自动测量有用的属性和潜在的攻击，为优化深度学习生态系统提供了未来的方向，并设想了未来对模型注册表的基础设施和标准化的研究。
2023-03-05 cs.AI cs.LG 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
Automated Inference of Software Library Usage Patterns
现代软件系统越来越依赖于第三方库。人们普遍认为，使用成熟且经过良好测试的第三方库可以提高开发人员的生产力，缩短上市时间，并生产出更可靠的软件。今天的开放源代码库提供了广泛的库，可以免费下载和使用。然而，由于软件库是单独记录的，但打算一起使用，开发人员不太可能充分利用这些重用机会。在本文中，我们提出了一种新的方法来自动识别第三方库的使用模式，即，开发人员通常一起使用的库集合。我们的方法采用层次聚类技术组在一起的软件库外部客户端使用的基础上。为了评估我们的方法，我们从Maven Central Repository中挖掘了超过6,000个流行库，并调查了Github存储库中超过38,000个客户端系统的使用情况。我们的实验表明，我们的技术是能够检测到大多数（77%）的高度一致和凝聚力的图书馆使用模式在相当数量的客户端系统。
2016-12-06 cs.SE
Tools and Benchmarks for Automated Log Parsing
在许多软件系统的开发和维护过程中，测试是必不可少的。它们记录详细的运行时信息，使开发人员和支持工程师能够监控他们的系统并分析异常行为和错误。然而，现代软件系统的规模和复杂性不断增加，使得日志的数量呈爆炸式增长。在许多情况下，传统的人工日志检查方式变得不切实际。最近的许多研究以及工业工具都求助于强大的文本搜索和基于机器学习的分析解决方案。由于日志的非结构化性质，第一个关键步骤是将日志消息解析为结构化数据，以便进行后续分析。近年来，日志自动解析技术在学术界和工业界得到了广泛的研究，产生了一系列基于不同技术的日志解析器。为了更好地了解这些日志解析器的特点，在本文中，我们提出了一个全面的评估研究自动日志解析，并进一步发布的工具和基准测试，以便于重用。更具体地说，我们评估了13个日志解析器，共16个日志数据集，跨越分布式系统，超级计算机，操作系统，移动系统，服务器应用程序和独立软件。我们报告的基准测试结果的准确性，鲁棒性和效率，这是在生产中部署自动化日志解析的实际重要性。我们还分享了华为工业应用的成功案例和经验教训。我们相信，我们的工作可以作为基础，并提供有价值的指导，未来的研究和部署的自动日志解析。
2019-01-03 cs.SE
Software Libraries and Their Reuse: Entropy, Kolmogorov Complexity, and Zipf's Law
我们从信息论和Kolmogorov复杂性的角度来分析软件重用，评估我们的能力，“压缩”的程序，通过表达他们的软件组件重用库。软件复用文献中的一个共同主题是，如果我们能够获得正确的环境-正确的工具，正确的概括，经济激励，“复用文化”-那么软件复用将飙升，从而提高生产力和软件质量。在本文中开发的分析描绘了一个不同的画面：在何种程度上，软件重用可以发生的问题域的内在属性，更好的工具和文化可以只有边际影响重用率，如果域是固有的抵抗重用。我们定义了一个熵参数$H \in [0,1]$的问题域，措施程序的多样性，并推导出代码重用的上限和规模的组件，我们可以工作。对于$H$接近0的“低熵”域，程序彼此高度相似，并且该域可以通过组成大规模组件来实现基于约束的软件工程（CBSE）的编程梦想。对于$H$接近1的问题域，程序需要大量的新代码，只有适度比例的应用程序由重用的小规模组件组成。来自Unix平台的初步经验结果支持我们模型的一些预测。
2005-10-02 cs.IT cs.PL 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
LLM-Guided Genetic Improvement: Envisioning Semantic Aware Automated Software Evolution
针对基于搜索的软件遗传改进（GI）缺乏语义感知、LLM编辑缺乏目标反馈的问题，提出整合语义感知搜索的AI驱动GI研究方向，通过LLM编辑自动聚类增强GI，初步实证显示PatchCat方案可高效分类补丁、检测无操作编辑，为可解释高效绿色GI奠定基础。
2025-08-25 cs.SE
Automated Unit Test Improvement using Large Language Models at Meta
本文介绍了 Meta 的 TestGen-LLM 工具，利用 LLM 自动改进人工编写的测试，并通过过滤器确保可衡量的改进以消除幻觉问题，在 Instagram 和 Facebook 的实际部署中显著提升了测试覆盖率且建议采纳率高。
2024-02-14 cs.SE
An Eye for Trust: An Exploration of Developers' Trust Perceptions Through Urgency and Reputation
Polytechnique Montréal（蒙特利尔高等理工学院）；McGill University（麦吉尔大学）
研究通过眼动实验探讨紧迫性和声誉如何影响开发者对代码可信度的判断，发现代码优先级影响审查行为但不影响采纳决策，且开发者未充分意识到紧迫性和声誉的影响。
2026-04-09 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
AnomalyGen: An Automated Semantic Log Sequence Generation Framework with LLM for Anomaly Detection
针对基于日志的异常检测中高质量公共日志数据集稀缺的问题，提出首个自动化日志合成框架AnomalyGen，通过四阶段架构整合程序分析与CoT推理，生成的日志提升事件覆盖38-95倍，增强基准数据集后模型F1分数最大提升3.7%。
2025-04-16 cs.SE
Studying Quality Improvements Recommended via Manual and Automated Code Review
Università della Svizzera italiana（瑞士意大利语大学）
本文研究了人工和自动化代码审查在质量改进方面的互补性，发现基于DL的代码审查可作为补充，但无法替代人类审查。
2026-02-12 cs.SE
Automated QoR improvement in OpenROAD with coding agents
UC San Diego（UC圣地亚哥大学）
AuDoPEDA通过自主编码代理在OpenROAD中实现EDA技术的自动化改进，显著提升QoR指标。
2026-02-09 cs.AI cs.SE
"I see models being a whole other thing": An Empirical Study of Pre-Trained Model Naming Conventions and A Tool for Enhancing Naming Consistency
Purdue University（普渡大学）；Loyola University Chicago（芝加哥洛约拉大学）
本文首次实证研究 Hugging Face 上预训练模型的命名实践，揭示工程师偏好与现状不匹配，并提出自动化 DNN 架构评估技术 DARA，以 94% 准确率检测模型类型命名不一致，为命名标准化和供应链安全奠定基础。
2025-08-18 cs.AI cs.SE
Augmenting Large Language Models with Static Code Analysis for Automated Code Quality Improvements
Faculty of Engineering（工程学院）；Applied Science Ontario Tech University（应用科学奥瑞冈科技大学）
本研究将大语言模型与静态代码分析、检索增强生成结合，配套定制代码比对工具缓解幻觉问题，实现自动化代码问题检测与修订，有效提升代码质量、简化开发流程并降低资源消耗。
2025-06-12 cs.AI cs.SE
Automated Testing and Improvement of Named Entity Recognition Systems
The Chinese University of Hong Kong, Shenzhen (CUHK-Shenzhen)（香港中文大学（深圳））
本文提出TIN方法，通过相似上下文和实体一致性自动检测并修复NER系统错误，在模型与商业API上验证了高精度和显著错误降低。
2023-08-14 cs.CL cs.SE
Automated Unit Test Case Generation: A Systematic Literature Review
University of Sydney（悉尼大学）；University of New South Wales（新南威尔士大学）；Monash University（墨尔本大学）
本文是一项关于自动化单元测试用例生成的系统性文献综述，整合了Genetic Algorithm和Particle Swarm Optimisation等进化方法的改进、局限性及面临的挑战，填补了自动化测试领域的知识空白。
2025-04-29 cs.AI cs.SE
CURATE: Leveraging LLM Agents to Compose, Catalog, and Deploy Reproducible Workflows
School of EECS Oregon State University（俄勒冈州立大学电气与计算机工程学院）；School of CBEE Oregon State University（俄勒冈州立大学生物、环境与农业工程学院）
该研究提出CURATE多智能体系统，覆盖工作流全生命周期，通过模块目录支持FAIR原则，用Claude Opus 4.8原型验证，完成6项含基准工作流复现及环境工程工作流开发的实验。
2026-09-30 cs.MA cs.SE
