跳到正文
arXiv cs.AI· Andreas Metzger·· 4 小时前AI 评分18

如何用静态对齐度量提前预判混合SE团队中的人机协作效果

Measuring Human-AI Alignment as an Early Indicator for Effective Collaboration in Hybrid SE Teams

AI 导读

一篇立场论文提出为软件工程(SE)场景构建专门的人机对齐度量套件,用静态测量刻画 AI 智能体的动作与粒度在多大程度上符合人类预期,作为混合团队协作效果的早期指标。该议程借鉴软件架构、组织心理学与人机交互原则,并计划用业务流程监控(BPM)方法做验证,同时引入基于声明式 BPM 语言的静态评估工具,确保智能体遵守具体项目约束。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:随着 AI 智能体日益融入软件工程(SE)流程,确保这些混合团队中的有效协作成为一项关键挑战。现有指标侧重于观察动态运行时性能,但缺乏针对早期人机对齐的系统性静态度量——即 AI 的行为及其粒度与人类期望的匹配程度。本立场论文提出了一项研究议程,旨在制定一套面向 SE 的对齐指标套件,其原则取自软件架构、组织心理学和人机交互。此外,本文概述了一种利用业务流程监控(BPM)概念与技术的验证方法,并引入利用声明式 BPM 语言的静态评估工具,以确保智能体遵守特定的项目约束。
评论: 已被 1st International Workshop on LiveWriting @ ASE 2026 接收
主题: 软件工程(cs.SE);人工智能(cs.AI)
引用为: arXiv:2611.21633 [cs.SE]
  (或 arXiv:2611.21633v1 [cs.SE] 用于此版本)
  https://doi.org/10.48550/arXiv.2611.21633

由 DataCite 颁发的 arXiv DOI(待注册)

提交历史

来自:Andreas Metzger [查看电子邮件]
[v1] 2026年9月18日星期五 08:30:12 UTC(96 KB)

来源:arXiv cs.AI · arxiv.org