该论文探讨利用巨大的大语言模型生成特定任务训练数据的先进技术，介绍了方法论、评估技术和实际应用，并讨论了当前的限制和未来研究的潜在路径。

Mar, 2024

我们旨在识别现代生成 AI 范例中尚未解决的主要挑战，以进一步增强其能力、多样性和可靠性，并为研究人员提供有价值的见解，以探索更有成效的研究方向，从而促进更强大和可访问的生成 AI 解决方案的发展。

Feb, 2024

开发人工智能系统应当考虑与整合多样性和包容性原则，本研究旨在解决如何获取和捕捉多样性和包容性需求对人工智能系统的不足进行综合数据搜集和综合分析。

Nov, 2023

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

探讨生成式人工智能技术如何在软件工程领域引发转变，介绍了其在项目管理、支持和更新等开发阶段的潜力，探索了零次启动、自洽性和多模式思维等技术在增强生成式人工智能模型中的独特能力，并强调了向量嵌入、上下文、插件、工具和代码助手在捕获语义信息和提升生成式人工智能能力方面的重要性。该研究旨在鼓励讨论和实验软件工程中生成式人工智能应用，从而提高生产力、改善代码质量并促进软件开发效率和效果的质的飞跃。

Dec, 2023

研究挑战性合成数据方案的企业部署，重点关注由大量个人高度敏感数据引起的隐私问题，并将挑战系统化为五个主要组别：i) 生成，ii) 基础架构和体系结构，iii) 治理，iv) 合规和规范，v) 采纳。此外，我们讨论了企业可以采用的战略和系统方法，以有效应对这些挑战并通过实现的解决方案建立信任。

Jul, 2023

自然语言处理在需求工程中的半自动化规范化过程中起着重要作用，提供了更好的辅助，并可适用于特定用例和领域。

Sep, 2023

现代软件是许多学科和应用环境中日常活动的重要组成部分。通过利用人工智能引入智能自动化在许多领域取得了突破。人工智能的有效性可以归因于诸多因素，其中之一是数据的不断增加。监管框架（如欧洲联盟的常规数据保护条例）出台以确保个人数据的保护。收集、处理或共享个人数据的软件系统必须符合这些法规。开发符合要求的软件在很大程度上取决于满足适用法规中规定的法律要求，这是软件开发流程中需求工程（RE）阶段的核心活动。RE 主要涉及对系统需求（包括法律要求）进行规定和维护。描述组织为处理个人数据而实施的政策的法律协议可以作为除法规外获取法律要求的另一信息来源。在本章中，我们探讨了分析法律要求的各种方法，并以 GDPR 为例进行了说明。具体来说，我们描述了从法规中创建机器可分析表示的可能替代方法，调查了现有的自动化手段以便对法规进行合规验证，并进一步反思了法律要求分析的当前挑战。

Nov, 2023

该论文探讨了人工智能的发展带来的挑战，提出了在系统、架构和安全方面的研究方向，以解决 AI 技术存储和处理数据量的限制，并提高数据隐私保护，以便这一技术能够更好地改善人们的生活和社会。

Dec, 2017

本文基于对 257 篇文献的系统文献综述，对自然语言处理和机器学习在需求规范化中的应用进行了分类和总结，发现现有研究主要采用启发式 NLP 方法和传统机器学习技术，同时也指出了标准基准案例的缺失导致了不同方法性能比较的困难。

Mar, 2023