跳到正文
arXiv cs.AI· Jonathan Ullrich, Julien Siebert, Michael Kl\"as, Adam Trendowicz, Andreas Jedlitschka·· 4 小时前AI 评分22

用智能体轨迹作为软件质量保证的证据

Agent Trajectories as Evidence for Software Quality Assurance

AI 导读

针对自主软件智能体在有限人工监督下做出的隐含假设难以被最终代码和通过的测试暴露,研究者提出将可观测的智能体轨迹与软件及智能体规格、AI 生成产物一并分析,作为定向质量保证的证据,用于筛选需要重点审查的关键决策。该方法源于工业实践经验,现有执行记录与初步分析方法使其具备可行性,但轨迹本身无法证明决策合理或纠正措施有效。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:自主软件代理越来越多地在有限的人工监督下规划、实现和测试软件。它们的决策可能引入隐式假设,而最终代码和通过的测试无法充分揭示这些假设。我们提出,将可观察的代理轨迹与软件和代理规范以及 AI 生成的产物一起分析,作为针对性质量保证的证据。目的是优先考虑具有重大影响的决策以供审查,调查它们对软件问题的可能贡献,并为规范和改进开发实践提供信息。工业经验激发了这一想法;可用的执行记录和初步分析方法使其具有可行性。然而,仅凭轨迹并不能证明决策是合理的、结果可接受的或纠正性变更是有效的。我们探讨这种证据如何支持审查、诊断和持续质量改进,以及何时更简单的 QA 方法就足够了。来自需求工程、验证与确认、代理系统、因果推断、经验软件工程和人因的视角可以帮助发展和评估这一想法。
评论: 3 页,提交至 ICSE2027 AMPLIFY Workshop 此 https URL
主题: 软件工程(cs.SE);人工智能(cs.AI)
ACM 分类: D.2.0
引用为: arXiv:2611.22323 [cs.SE]
  (或 arXiv:2611.22323v1 [cs.SE] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.22323

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Julien Siebert [查看电子邮件]
[v1] 2026 年 11 月 17 日星期二 07:22:29 UTC(84 KB)

来源:arXiv cs.AI · arxiv.org