将学术界与产业界对齐：AI 驱动软件工程中产业需求与学术能力的实证研究
软件工程
2025-12-18 v1
摘要
大型语言模型（LLM）的快速发展正在从根本上重塑软件工程（SE），推动学术研究和产业实践之间的范式转变。尽管顶级 SE venue 持续或逐渐聚焦于自动化测试和程序修复等领域，全球研究者不断报告持续的性能提升，但这些学术进展与实际产业需求的对齐仍不清晰。为弥合这一鸿沟，我们首先对 2022-2025 年间发表于 FSE、ASE 和 ICSE 的 1,367 篇论文进行系统性分析，识别关键研究主题、常用基准、产业相关性和开源可用性。随后我们进行一次实证调查覆盖 17 个组织，收集 282 个关于六大热门主题（即程序分析、自动化测试、代码生成/完成、问题解决、预训练代码模型以及依赖管理）的响应，通过结构化问卷调查。通过对比学术能力与产业反馈，我们得出七项关键启示，突出显示软件需求和体系结构、智能 SE 方法的可靠性和可解释性、学术研究中的输入假设、实际评估的紧张关系以及伦理考虑等方面的未被充分解决的挑战。本研究旨在重新聚焦学术界对这些重要且鲜有被探索的问题，指导未来 SE 研究朝着更大的产业影响力前进。
引用
@article{arxiv.2512.15148,
title = {Aligning Academia with Industry: An Empirical Study of Industrial Needs and Academic Capabilities in AI-Driven Software Engineering},
author = {Hang Yu and Yuzhou Lai and Li Zhang and Xiaoli Lian and Fang Liu and Yanrui Dong and Ting Zhang and Zhi Jin and David Lo},
journal= {arXiv preprint arXiv:2512.15148},
year = {2025}
}