ReqBrain：面向AI辅助需求生成的任务特定LLM指令微调
软件工程
2025-05-26 v1 人工智能
机器学习
摘要
需求获取和规范仍然是一个劳动密集型的手动过程，容易出现不一致和缺口，在现代软件工程中构成重大挑战。新兴研究强调了使用大型语言模型（LLM）进行自动化需求生成的潜力，以支持需求获取和规范；然而，如何有效实现这一点仍不清楚。在这项工作中，我们引入了ReqBrain，一个AI辅助工具，采用微调的LLM来生成真实且充分的需求。软件工程师可以通过基于聊天的会话与ReqBrain交互，自动生成软件需求并按类型进行分类。我们策划了一个高质量的ISO 29148兼容需求数据集，并对五个7B参数LLM进行了微调，以确定ReqBrain的最佳基础模型。表现最佳的模型Zephyr-7b-beta在生成真实且充分的需求时，使用BERT分数达到了89.30%的Fl，使用FRUGAL分数达到了91.20。人类评估进一步确认了ReqBrain在生成需求方面的有效性。我们的结果表明，经过微调的生成式AI有潜力改进需求获取和规范，为未来扩展到缺陷识别、测试用例生成和敏捷用户故事创建等领域铺平了道路。
引用
@article{arxiv.2505.17632,
title = {ReqBrain: Task-Specific Instruction Tuning of LLMs for AI-Assisted Requirements Generation},
author = {Mohammad Kasra Habib and Daniel Graziotin and Stefan Wagner},
journal= {arXiv preprint arXiv:2505.17632},
year = {2025}
}