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
ChatGPT 能够从自然语言需求中生成 UML 序列图,但生成的模型在完整性和正确性方面存在挑战,尤其在需求不明确和不一致的情况下。此研究对要求工程领域中的大型语言模型的实际应用和有效的模型生成提示策略具有重要影响。
Apr, 2024
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
使用大型语言模型(LLMs)如 GPT-4 和 CodeLlama 来加快软件开发生命周期,通过比较人工标准,评估其在生成软件需求规范(SRS)文档方面的性能;结果表明,LLMs 的输出质量可以与初级软件工程师相媲美,生成完整一致的 SRS 文档,并且还能识别和纠正问题,从而节省开发时间。
本文针对汽车领域系统工程中开发过程中所出现的大量需求,探讨了利用基于大型预训练语言模型的少样本学习实现从非正式需求到结构化语言进行自动翻译的方法,并表明少于十个翻译示例的支持集就足以进行语言模型的少样本训练。
Nov, 2022
大型语言模型在软件设计中的应用,特别是基于 LLM 的人工智能代理对开发工作量的评估提出了挑战,通过 UI 界面用户故事的比较,提出了一种改进自然语言问题规范的方法,考虑了数据源、接口和算法来评估开发工作量。
Feb, 2024
本书章节探讨了人工智能(AI)与软件工程(SE)相融合的时代中,特别是要将自然语言处理(NLP)和生成式 AI 融入到企业关键软件系统中所面临的挑战。通过实际洞察、解决方案和示例,提供必要的知识和工具来有效地构建以 NLP 为核心的解决方案,并强调了在开发软件系统时处理与文本数据相关性越来越重要的新的需求工程任务。
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。
该研究探讨了在奥地利邮政集团信息技术敏捷团队中利用大型语言模型自动改善用户故事质量的方法,并基于自主的 LLM-Agent 系统开发了参考模型,并将其应用于公司。通过对六个敏捷团队的 11 名参与者进行用户故事质量评估,我们的研究结果证明了 LLMs 在提高用户故事质量方面的潜力,为敏捷开发中人工智能角色的研究做出了贡献,并提供了人工智能在行业环境中具有转变性影响的实际示例。
Mar, 2024
本文阐述了需求工程(Requirements Engineering,简称 RE)在设计和实现负责任人工智能系统方面的重要性,并指出了研究与实践面临的相关挑战。
Feb, 2023