张较瘦

为解决 AI 代理在 Java 项目级迁移任务中缺乏可信评估的问题，伯克利团队提出 FreshBrew 基准 —— 包含 228 个高测试覆盖率（≥50%）的真实 Maven 仓库数据集，以及 “编译成功 - 测试通过 - 覆盖率下降≤5pp” 的三阶段防作弊评估协议。实验显示，顶尖模型 Gemini 2.5 Flash 在 JDK17 迁移中成功率达 52.3%，远超规则工具 OpenRewrite 的 7.0%，同时揭示了 AI 代理在 API 兼容性、依赖管理等方面的局限

本文从软件工程（SE）视角出发，通过系统映射研究（SMS）和基于架构的开发（ABD）两阶段方法，探究量子计算即服务（QCaaS）的开发流程、参考架构及未来趋势。SMS阶段筛选5个数据库的41篇同行评审研究，提取研究现状与解决方案；ABD阶段整合结果构建分层参考架构，并以Shor算法验证可行性。研究提炼出四阶段量子服务开发生命周期，识别了流程中心开发、QSRs实证等未来趋势，旨在为QCaaS工程化落地提供理论框架与实践指南。

针对工业界Agentic自动化程序修复（APR）系统生成补丁需人工审核时噪声过多的问题，本研究提出双LLM策略：Bug规避（修复前基于bug报告筛选易修bug）与补丁验证（修复后通过“编译测试+修复规范生成+LLM判断”筛选有效补丁）。在Google三类数据集（174个人工bug、198个NPE机器bug、50个sanitizer机器bug）上评估显示，双策略结合使人工bug审核成功率从11%升至53%，NPE机器bug有效率从38%升至62%，假阳性率低至0.04。该方案无需复杂代码库访问，为工业级APR

Rudrajit Choudhuri 团队联合微软对 860 名开发者开展混合方法研究，基于认知评估理论首次建立 “任务感知→AI 采纳→负责任 AI（RAI）优先级” 的映射关系。研究发现：开发者在核心工作（编码、测试）需 AI 提升效率但保留控制，事务性工作（文档、运维）需 AI 减负，人际 / 身份工作（指导、AI 集成）需限制 AI；RAI 优先级因场景而异（系统类重可靠性，人际类重公平性），最终为开发者 AI 工具设计提供了具体、情境化的实证指南。

CLAST 旨在解决基于上下文学习（ICL）的大语言模型（LLM）单元测试生成中示例语义模糊的问题。现有方法如 RAGGen、TELPA 依赖高质量示例，但实际示例常存在多场景混合、文本模糊等缺陷，而 UTgen 等精炼技术易因 LLM 幻觉降低测试有效性。CLAST 结合程序分析与 LLM，通过 “测试净化”（拆分复杂测试为单场景）和 “文本清晰度增强”（LLM 生成 + AST 匹配后处理）提升示例质量。实验表明，CLAST 在 7 个项目中完全保留原始测试有效性，超 85.33% 用户偏好其清晰度

随着GitHub Copilot等LLM代码生成工具的普及，生成代码的溯源与版权合规问题日益凸显。本文提出CodeGenLink——一款VS Code扩展，通过两种操作模式（生成代码后自动搜链接、选中代码主动搜链接），结合LLM网页搜索、文本相似度分析与CCFINDERSW克隆检测筛选相关链接，并利用GitHub API、Google License Classifier等工具提取许可证信息。

本文提出**AFD（Allocation Function Detector）**，一种结合“值流分析”与“大语言模型（LLMs）”的轻量级技术，专门解决C/C++程序中“自定义分配函数（AFs）未被识别”导致的指针分析精度不足问题。它先通过值流分析筛选无副作用的简单分配函数（SAFs），再用LLMs判断含潜在副作用的函数是否属于“错误处理路径中的可忽略副作用”，最终在15个真实C项目（如bash、git、openssl）上验证：AFD识别出超600个自定义AFs，使指针分析的建模堆对象数量提升26倍、别名

本研究采用混合方法，以挪威公共部门敏捷组织NAV IT为对象，探究GitHub Copilot对开发者活动与感知生产力的影响。研究分析2年间703个仓库的26,317次非合并提交，对比25名Copilot用户与14名非用户的周级开发数据，并结合13次访谈与63份调查的定性反馈。结果显示：Copilot用户在工具引入前已显著更活跃（提交频率约为非用户2倍），工具使用后客观提交活动无统计显著变化；尽管如此，多数用户报告感知生产力提升，主要源于减少重复任务与改善工作流程，且工具未对代码质量产生负面影响。研究揭示了

该综述以“配置使用流程”为框架，系统梳理了2022年至今35篇基于LLM的软件配置研究，清晰呈现了LLM在配置生成（提示增强为主）、验证（传统技术+LLM辅助）、运维（诊断修复闭环探索）三阶段的应用现状。研究发现，当前LLM已在网络配置、K8S配置等场景展现出实用价值，但仍面临泛化能力弱、可解释性差、依赖高质量资源等挑战。未来，需通过轻量微调、跨领域迁移学习、智能体闭环架构等技术，推动LLM从“特定场景助手”向“通用配置专家”演进，最终实现软件配置全流程的智能化、自动化落地

现有仓库级代码补全方法多基于检索增强生成（RAG），但存在查询构建不恰当、检索路径单一、检索器与代码LLM错位三大问题。为此，本文提出CodeRAG框架：首先，通过对数概率引导的探测策略，利用代码LLM的置信度筛选关键代码块构建检索查询；其次，融合稀疏检索、密集检索与数据流引导检索，实现多路径代码知识获取；最后，设计偏好对齐的BESTFIT重排序机制，用Qwen3-8B筛选最优知识，并蒸馏为轻量重排序器降低开销。

本研究针对专有云LLM隐私风险高、本地LLM评估缺失的问题，扩展AI代码生成评估框架FACE（支持Ollama离线运行、JSON数据整合、断点续跑），采用3589道Kattis题（禁止分享答案，确保评估真实性），对8个6.7-9B参数的本地LLM开展测试。结果显示：本地LLM整体接受率低，最佳的Yi-Coder（5.7%）和Qwen2.5-Coder（5.4%），仅为Gemini 1.5（10.9%）、ChatGPT-4（10.7%）的一半；且仅能处理部分Easy/Medium题，Hard题几乎无解。研究明

这篇论文提出了一款名为SEEAgent的LLM多智能体框架，专门解决敏捷开发中“工作量估计难”的痛点——比如团队用“规划扑克”主观猜点不准、传统ML模型给结果不给解释、还没法和人协作的问题。SEEAgent靠“长期记忆”（微调Llama-3.1或用GPT-4o-mini学项目知识，减少幻觉）、“短期记忆”（存会话和历史故事）、“行动+通信模块”（支持聊天解释和提交估计）实现“估计准、能唠、可解释”，还能装“前端/后端”角色。实验用4907个用户故事验证，微调版比Deep-SE等SOTA模型更准；

富士通研究团队针对软件设计文档人工审查效率低、易出错的问题，提出基于LLM的自动化审查方案。研究首先梳理11个审查视角并分级，明确通用LLM可处理基础任务；重点解决日语Excel文档复杂表格的识别难题，开发基于词性分析的智能格式转换方法（符号多用JSON，自然语言多用Markdown）。实验显示，转换后缺陷检测召回率提升0.43-0.63，5000字符内效果最佳。该方案已开发为Web工具在金融等领域试点，显著提升审查效率，但仍需突破高级视角审查和长文档处理等挑战。

摘要 本文综述了可解释人工智能(XAI)在软件工程(SE)中的应用研究。系统梳理了XAI的概念起源、核心定义及评估方法,重点分析了XAI在SE中的四大典型应用场景:恶意软件检测(SBMDS系统处理3.9万+样本)、高风险组件检测(改进OSR算法)、软件负载调配(Gil/Gil+工具)和二进制代码相似性分析(BINKIT基准+TIKNIB工具)。针对当前研究存在的客观评估稀缺、标准不统一等问题,提出了未来发展的四个方向。研究为破解AI在SE中的"黑盒"难题提供了系统性的技术参考和方法指导。