利用LLM为AI系统生成用户故事：UStAI数据集
软件工程
2025-07-17 v3 人工智能
摘要
AI系统正在广泛采纳于各个领域和应用场景。为确保AI系统与业务目标和消费者价值相匹配，以及实现社会责任，创建高质量的AI系统需求至关重要。然而，鉴于AI系统的不可确定性以及对敏感数据的高度依赖，仍需更多研究来解决AI系统需求的elicitation和analysis。鉴于许多AI系统具有专有属性，缺乏开源需求artifacts和技术需求文档，这限制了更广泛的研究和调查。鉴于大语言模型（LLM）作为人类生成文本的有前景的替代方案，本文探讨了LLM基于学术论文摘要生成AI系统用户故事的潜力。我们使用三个LLM进行了经验评估，从42个来自26个领域的摘要中生成了1260个用户故事。我们采用Quality User Story（QUS）框架评估其质量。此外，我们识别了相关的非功能需求（NFRs）和伦理原则。我们的分析表明，所调查的LLM能够生成灵感来自各类利益相关者需求的用户故事，为AI系统的用户故事生成和研究提供了有前景的方案。我们已收集并精选了由各类LLM生成的故事构成的数据集（UStAI），现已公开供使用。
引用
@article{arxiv.2504.00513,
title = {Leveraging LLMs for User Stories in AI Systems: UStAI Dataset},
author = {Asma Yamani and Malak Baslyman and Moataz Ahmed},
journal= {arXiv preprint arXiv:2504.00513},
year = {2025}
}