研究提出NFR覆盖缺口项目级排序方法
热点事件持续更新
研究提出NFR覆盖缺口项目级排序方法
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Risha Parveen等作者将非功能需求(NFR)覆盖缺口评审建模为项目级排序任务:给定目标需求规格,对11个PROMISE NFR类别排序,供分析师优先检查。研究比较了七种统计、嵌入向量与LLM配置。 在完全移除某类别的受控缺口注入下,四种使用同类项目类别统计的配置表现接近,平均AUROC为0.875至0.889;将统计信息提供给直接LLM排序器带来最大证据增益。所有配置在类别存在但覆盖不足时均变弱,且没有单一配置在所有NFR类别上最优。
AI 根据报道生成 · 48 分钟前更新
最新进展11月20日 13:00
Ask the Peers:面向需求评审的 NFR 覆盖缺口排序报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv cs.AIAsk the Peers:面向需求评审的 NFR 覆盖缺口排序
研究将 NFR 覆盖缺口评审建模为项目级排序任务,对 11 个 PROMISE NFR 类别排序供分析师检查,并比较七种统计、嵌入向量与 LLM 配置。在完全移除某类别的受控缺口注入下,四种使用同类项目类别统计的配置表现接近(平均 AUROC 0.875-0.889),将统计提供给直接 LLM 排序器带来最大证据增益。所有配置在类别存在但覆盖不足时均变弱,且没有单一配置在所有 NFR 类别上最优。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。