論文の概要: Automated User Story Generation with Test Case Specification Using Large Language Model

• arxiv url: http://arxiv.org/abs/2404.01558v1
• Date: Tue, 2 Apr 2024 01:45:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-03 18:18:02.804227
• Title: Automated User Story Generation with Test Case Specification Using Large Language Model
• Title（参考訳）: 大規模言語モデルを用いたテストケース仕様によるユーザストーリーの自動生成
• Authors: Tajmilur Rahman, Yuecai Zhu,
• Abstract要約: 要件文書からユーザストーリーを自動生成するツール「GeneUS」を開発した。 アウトプットはフォーマットで提供され、ダウンストリーム統合の可能性は人気のあるプロジェクト管理ツールに開放されます。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern Software Engineering era is moving fast with the assistance of artificial intelligence (AI), especially Large Language Models (LLM). Researchers have already started automating many parts of the software development workflow. Requirements Engineering (RE) is a crucial phase that begins the software development cycle through multiple discussions on a proposed scope of work documented in different forms. RE phase ends with a list of user-stories for each unit task identified through discussions and usually these are created and tracked on a project management tool such as Jira, AzurDev etc. In this research we developed a tool "GeneUS" using GPT-4.0 to automatically create user stories from requirements document which is the outcome of the RE phase. The output is provided in JSON format leaving the possibilities open for downstream integration to the popular project management tools. Analyzing requirements documents takes significant effort and multiple meetings with stakeholders. We believe, automating this process will certainly reduce additional load off the software engineers, and increase the productivity since they will be able to utilize their time on other prioritized tasks.
• Abstract（参考訳）: 現代のソフトウェア工学の時代は人工知能(AI)、特にLarge Language Models(LLM)の助けを借りて急速に進んでいる。 研究者はすでに、ソフトウェア開発ワークフローの多くの部分を自動化し始めている。 要件工学(RE)は、さまざまな形式で文書化された作業の範囲について提案された複数の議論を通じて、ソフトウェア開発サイクルを開始する重要なフェーズである。 REフェーズは、議論を通じて特定された各ユニットタスクのユーザストーリーのリストで終わり、通常はJiraやAzurDevといったプロジェクト管理ツールで作成、追跡される。 本研究では,要件文書からユーザストーリーを自動生成するツールであるGPT-4.0「GeneUS」を開発した。 アウトプットはJSON形式で提供され、ダウンストリーム統合の可能性は人気のあるプロジェクト管理ツールに開放されている。 要求文書の分析には多大な労力と利害関係者との複数のミーティングがかかります。 このプロセスを自動化することで、ソフトウェアエンジニアの負荷が増大し、他の優先順位付けされたタスクに時間を費やすことができるため、生産性が向上する、と私たちは信じています。

関連論文リスト

• The Hidden Costs of Automation: An Empirical Study on GitHub Actions Workflow Maintenance [45.53834452021771]
  GitHub Actions(GA)は、エンジニアリングタスクの自動実行を合理化するオーケストレーションプラットフォームである。 欠陥の修正、依存関係の更新、あるいは既存のワークフローファイルの修正には、人間の介入が必要である。
  論文  参考訳（メタデータ） (2024-09-04T01:33:16Z)
• Spider2-V: How Far Are Multimodal Agents From Automating Data Science and Engineering Workflows? [73.81908518992161]
  我々は、プロのデータサイエンスとエンジニアリングに焦点を当てた最初のマルチモーダルエージェントベンチマークであるSpider2-Vを紹介する。 Spider2-Vは、本物のコンピュータ環境における現実世界のタスクを特徴とし、20のエンタープライズレベルのプロフェッショナルアプリケーションを組み込んでいる。 これらのタスクは、エンタープライズデータソフトウェアシステムにおいて、コードを書き、GUIを管理することで、マルチモーダルエージェントがデータ関連のタスクを実行する能力を評価する。
  論文  参考訳（メタデータ） (2024-07-15T17:54:37Z)
• Semantic API Alignment: Linking High-level User Goals to APIs [6.494714497852088]
  既存のライブラリを使った要件エンジニアリングから実装まで,複数のステップにまたがるビジョンを提示する。 このアプローチは、セマンティックAPIアライメント(SEAL)と呼ばれ、ユーザの高レベルな目標と1つ以上のAPIの特定の機能とのギャップを埋めることを目的としています。
  論文  参考訳（メタデータ） (2024-05-07T11:54:32Z)
• Interactive Planning Using Large Language Models for Partially Observable Robotics Tasks [54.60571399091711]
  大きな言語モデル(LLM)は、オープン語彙タスクを実行するロボットエージェントを作成することで、驚くべき成果を上げている。 LLMを用いた部分的に観測可能なタスクのための対話型計画手法を提案する。
  論文  参考訳（メタデータ） (2023-12-11T22:54:44Z)
• TaskBench: Benchmarking Large Language Models for Task Automation [82.2932794189585]
  タスク自動化における大規模言語モデル(LLM)の機能を評価するためのフレームワークであるTaskBenchを紹介する。 具体的には、タスクの分解、ツールの選択、パラメータ予測を評価する。 提案手法は, 自動構築と厳密な人的検証を組み合わせることで, 人的評価との整合性を確保する。
  論文  参考訳（メタデータ） (2023-11-30T18:02:44Z)
• DAnTE: a taxonomy for the automation degree of software engineering tasks [2.356908851188234]
  ソフトウェア工学のための自動化分類法であるDAnTEを提案する。 ソフトウェアエンジニアリングの実践において、過去と現在に使われているいくつかのツールを評価します。 中期・長期に新しいツールが出現する可能性について論じる。
  論文  参考訳（メタデータ） (2023-09-26T13:04:58Z)
• SheetCopilot: Bringing Software Productivity to the Next Level through Large Language Models [60.171444066848856]
  本研究では,スプレッドシートの要求を満たすために自然言語処理と制御を行うスプレッドシートコパイロットエージェントを提案する。 221のスプレッドシート制御タスクを含む代表データセットをキュレートし,完全自動評価パイプラインを構築した。 当社の SheetCopilot は1世代で44.3% のタスクを正しく完了し、強力なコード生成ベースラインを広いマージンで上回っている。
  論文  参考訳（メタデータ） (2023-05-30T17:59:30Z)
• AutoML-GPT: Automatic Machine Learning with GPT [74.30699827690596]
  本稿では,タスク指向のプロンプトを開発し,大規模言語モデル(LLM)を自動的に活用して学習パイプラインを自動化することを提案する。 本稿では,多様なAIモデルのブリッジとしてGPTを用いたAutoML-GPTを提案する。 このアプローチはコンピュータビジョン、自然言語処理、その他の課題領域において顕著な結果をもたらす。
  論文  参考訳（メタデータ） (2023-05-04T02:09:43Z)
• ART: Automatic multi-step reasoning and tool-use for large language models [105.57550426609396]
  大規模言語モデル(LLM)は、数秒とゼロショットの設定で複雑な推論を行うことができる。 各推論ステップは、コアLLM機能を超えて計算をサポートする外部ツールに依存することができる。 プログラムとして中間推論ステップを自動生成するために凍結LDMを使用するフレームワークであるART(Automatic Reasoning and Tool-use)を導入する。
  論文  参考訳（メタデータ） (2023-03-16T01:04:45Z)
• Evaluating Sequence-to-Sequence Learning Models for If-Then Program Synthesis [0.0]
  プロセス自動化のビルディングブロックは、if-thenプログラムです。 コンシューマの世界では、IFTTTのようなサイトでは、グラフィカルインターフェースを使用してif-Thenプログラムを定義することで、ユーザが自動化を作成することができる。 Seq2Seqアプローチは(シーケンスのレシピに強く依存する)高いポテンシャルを持ち、より複雑なプログラム課題を合成するための有望なアプローチとして機能する。
  論文  参考訳（メタデータ） (2020-02-10T00:45:03Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。