Jun, 2024

用户故事导师（UST）支持敏捷软件开发者

PDF
TL;DRUser Story Tutor (UST) 是一个检查用户故事描述可读性、提供改进建议、使用机器学习技术估计用户故事工作量的 Web 应用程序，可用于敏捷开发团队继续教育和增强当前用户故事创建的有效技术。
user storiesagile practicessoftware engineersreadabilitymachine learning techniques
发现论文，激发创造
  • 利用 Transformer 将 Epic/Story 转换为伪代码

    使用自然语言处理，我们提出了一种从敏捷用户故事中生成伪代码的方法，以减少工业项目中花费的总时间。

    Dec, 2023

  • 基于 LLM 的代理程序用于自动提升用户故事质量：一项早期报告

    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

  • 使用大型语言模型进行自动用户故事生成和测试用例规范

    使用 GPT-4.0 开发的工具 “GeneUS” 可以从需求文档中自动生成用户故事，以减轻软件工程师的负担并提高生产力。

    Apr, 2024

  • 基于大型语言模型的智能界面的软件项目工作量和规模估算

    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

  • 学徒导师生成器：一个用户创建和个性化智能导师的平台

    Intelligent tutoring systems can be complex and time-consuming to develop, but the Apprentice Tutor Builder simplifies tutor creation and personalization using interactive AI agents, as evaluated through a user study.

    Apr, 2024

  • STORIUM：一个面向机器循环故事生成的数据集和评估平台

    该论文介绍了一个由 STORIUM 构建的故事生成数据集和评估平台的细节，提供了具有细粒度自然语言注释和作者生成的 6K 个长度较长（125M 个标记）的故事，旨在帮助人们更好地了解故事生成，并通过整合到 STORIUM 进行评估，来提高模型的生成性能和可靠性。

    Oct, 2020

  • 基于用例点的软件项目工作量估算混合模型

    本研究提出了一种基于支持向量机和径向基神经网络的混合模型，该模型利用大量产业和学生项目的观测数据，通过将 UCP 的环境因素用于分类和估算生产率，显著优于以往的 UCP 预测模型，并证明了 UCP 可以作为早期软件开发估算成功的关键成本因素。

    Oct, 2016

  • 基于用例点的软件工作量学习项目生产力集成

    本文探讨了一种新的用于软件项目生产力预测的集成构建机制，利用带权平均方法来汇聚基模型的预测结果，结果表明基模型准确性不一致时，使用集成方法是一种良好的替代方案。

    Dec, 2018

  • STORYWARS：协作式故事理解和生成的数据集和指导调优基线

    介绍了一个新的 STORYWARS 数据集，由九千多名不同作者在线协作创作了超过 40,000 个协作故事，并在其中设计了 12 种任务类型，共 101 个不同的故事相关任务。此外，展示了针对这些任务的模型 INSTRUCTSTORY。模型通过 instruction tuning，发挥了优异的性能，同时在全监督、少样本和零样本场景中均有着出色表现。

    May, 2023

  • 面向软件工作量估计的异构图神经网络

    本文提出了一个用于估计敏捷软件项目问题文本输入中的用户故事点的工具 HeteroSP，该工具通过构建异构图神经网络模型支持快速文本表示学习，最终在估计用户故事点方面优于基线模型，并且获得了较快的运行时间效率。

    Jun, 2022