Jun, 2023

软件开发中的技术债务管理人工智能

PDF
TL;DR本文综合回顾了关于使用 AI 工具避免技术债务的现有研究，其中分析了 15 篇涵盖不同 AI 技术的文章，如代码分析与审查，自动化测试，代码重构，预测性维护，代码生成和代码文档化，并探讨了它们在解决技术债务方面的效果、挑战和限制，为想要在软件开发过程中有效减轻技术债务的团队提供了实用指南。
technical debtai-powered toolssoftware developmentliterature reviewcode analysis
发现论文，激发创造
  • 利用自然语言处理方法检测技术债务 -- 一项系统文献综述

    软件开发项目中技术债务检测的特征提取技术和算法进行了综述，发现 NLP+DL 组在所有项目中的精确度和 F1 分数上始终表现优秀，并且在召回率度量上几乎所有项目都优于其他组。此外，PTWE 在每个项目的精确度、召回率和 F1 分数上均表现较优，根据综述结果，我们确定了每个软件开发生命周期阶段最佳的特征提取技术和算法，并提出了对研究人员和实践者可能关注的问题。

    Dec, 2023

  • 敏捷开发中的人工智能：一项元分析

    研究人工智能与敏捷软件开发方法的整合，重点是改善持续集成和交付，发现了人工智能未来应用的关键挑战，如需要专业的社会技术专业知识。尽管人工智能有助于提高软件开发实践，但需要进一步研究其对进程和实践者的影响，并解决与其实施相关的间接挑战。

    May, 2023

  • 使用机器学习技术识别问题跟踪系统中的自我承认技术债务

    通过机器学习方法，本文针对问题跟踪系统中的自认技术债务 (Self-Admitted Technical Debt, SATD) 提出自动识别方案，并使用两种流行的跟踪系统 (Jira 和 Google Monorail) 收集和手动分析来自七个开源项目的 4,200 个问题。研究结果表明，我们的方法比基线方法在 F1 得分方面表现出更好的性能，并且所提取的 SATD 关键字是直观的，可能表明了 SATD 的类型和指标。

    Feb, 2022

  • 自动解决自承认的技术债务：我们还有多远？

    本文采用变换器预训练和微调等不同策略的深度学习模型，实证研究技术债务能否自动偿还。研究结果表明，自动偿还技术债务是一项具有挑战性的任务，最佳模型仅能自动修复 2％至 8％的测试实例，对性能提升起到关键作用。

    Aug, 2023

  • 软件测试中的人工智能：影响、问题、挑战和前景

    本研究旨在探讨人工智能技术在软件测试活动和方面中的影响，以及 AI 在软件测试领域未来的一些关键贡献和应用面临的挑战。

    Jan, 2022

  • AI-Based 编码辅助在实践中的应用：现状、观点和未来发展

    AI 助手在软件工程中的使用情况对开发者的需求和改进方向具有重要影响。

    Jun, 2024

  • 银行信用风险管理中人工智能技术的创新应用

    AI 技术在商业银行的信用风险管理中的革命性应用对建立科学有效的信用风险决策机制具有重要战略意义，通过深度学习和大数据分析，AI 能够准确评估借款人的信用状况、及时识别潜在风险，并为银行提供更准确全面的信用决策支持，同时实现实时监控和预警，帮助银行在风险发生之前进行干预，降低损失。

    Apr, 2024

  • 构建可靠的深度学习系统

    介绍了人工智能技术的广泛应用和存在的问题，并提出了对 “AI 工程” 学科的需求，探讨了相关概念和需要解决的关键挑战。

    Oct, 2019

  • 机器学习系统的质量管理

    本文提出了一个基于现有进展的全面质量管理框架视角，并确定了软件工程研究的新领域，以实现更可靠的人工智能。

    Jun, 2020

  • AI 工程师的软件质量是什么？走向迷雾的消解

    研究调查了 10 家奥地利中小型企业在开发人工智能 / 机器学习组件和代码时采用的软件质量保证策略，发现质量问题在何时出现并如何检测，同时识别了 12 个开发 AI/ML 组件时存在的问题，为未来 AI/ML 组件的软件质量保证流程提供指导。

    Mar, 2022