利用语言模型发现 OSS 可持续性的证据驱动行动
软件工程
2026-02-13 v1
摘要
尽管成功的开源软件（OSS）项目创造了巨大的价值，但绝大多数项目永远无法达到可持续状态。最近的研究产生了准确预测 OSS 可持续性的模型，但这些模型很少指导维护者该怎么做：它们的特征往往是高层次的社会技术信号，而难以直接操作。数十年的实证软件工程研究积累了一大批关于改善项目健康的具体实践证据，但未得到充分利用。我们通过将 LLM 用作证据矿工来弥合这一差距。我们设计了一个 RAG 流程和两层提示策略，从而提取研究驱动的可操作行动（ReACT）：简洁、关联证据的建议，将特定的 OSS 实践映射到具体的行动。在第一层，我们系统性地探索开源 LLM 和提示技术，选取表现最佳的组合，从 829 篇 ICSE 和 FSE 论文中推导候选 ReACT。在第二层，我们应用后续提示来过滤幻觉、提取影响和证据，并评估其可靠性和精确度。我们的流程产生 1,922 个 ReACT，其中 1,312 个通过严格的质量标准，组织为可连接到类似 APEX 工具中项目信号的实践导向类别。结果是一个可复现、可扩展的方法，将零散的研究发现转化为指导 OSS 项目走向可持续性的结构化、证据驱动的行动。
引用
@article{arxiv.2602.11746,
title = {Leveraging Language Models to Discover Evidence-Based Actions for OSS Sustainability},
author = {Nafiz Imtiaz Khan and Vladimir Filkov},
journal= {arXiv preprint arXiv:2602.11746},
year = {2026}
}