論文の概要: Prompt Engineering for Requirements Engineering: A Literature Review and Roadmap
- arxiv url: http://arxiv.org/abs/2507.07682v1
- Date: Thu, 10 Jul 2025 12:02:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-11 16:40:15.384959
- Title: Prompt Engineering for Requirements Engineering: A Literature Review and Roadmap
- Title（参考訳）: Prompt Engineering for Requirements Engineering: A Literature Review and Roadmap
- Authors: Kaicheng Huang, Fanyu Wang, Yutan Huang, Chetan Arora,
- Abstract要約: 本稿では,Pmpt Engineering for RE(PE4RE)の最初のロードマップ指向の体系的文献レビューを紹介する。
断片化された景観に秩序をもたらすために,技術指向のパターンとタスク指向のREロールを結びつけるハイブリッド分類法を提案する。
- 参考スコア（独自算出の注目度）: 7.63638387750336
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Advancements in large language models (LLMs) have led to a surge of prompt engineering (PE) techniques that can enhance various requirements engineering (RE) tasks. However, current LLMs are often characterized by significant uncertainty and a lack of controllability. This absence of clear guidance on how to effectively prompt LLMs acts as a barrier to their trustworthy implementation in the RE field. We present the first roadmap-oriented systematic literature review of Prompt Engineering for RE (PE4RE). Following Kitchenham's and Petersen's secondary-study protocol, we searched six digital libraries, screened 867 records, and analyzed 35 primary studies. To bring order to a fragmented landscape, we propose a hybrid taxonomy that links technique-oriented patterns (e.g., few-shot, Chain-of-Thought) to task-oriented RE roles (elicitation, validation, traceability). Two research questions, with five sub-questions, map the tasks addressed, LLM families used, and prompt types adopted, and expose current limitations and research gaps. Finally, we outline a step-by-step roadmap showing how today's ad-hoc PE prototypes can evolve into reproducible, practitioner-friendly workflows.
- Abstract（参考訳）: 大規模言語モデル(LLM)の進歩は、様々な要求工学(RE)タスクを強化するプロンプトエンジニアリング(PE)技術の増加につながっている。
しかし、現在のLSMは重大な不確実性と制御性の欠如によって特徴付けられることが多い。
LLMを効果的に推進する方法に関する明確なガイダンスがないことは、REフィールドにおける信頼できる実装の障壁となる。
本稿では,Pmpt Engineering for RE (PE4RE)の最初のロードマップ指向の体系的文献レビューを紹介する。
KitchenhamとPetersenの2次研究プロトコルに従って、6つのデジタルライブラリを検索し、867レコードをスクリーニングし、35の初等研究を分析した。
断片化されたランドスケープに秩序をもたらすために,技術指向のパターン(例:少数ショット,Chain-of-Thought)とタスク指向のREロール(効用,検証,トレーサビリティ)をリンクするハイブリッド分類法を提案する。
5つのサブクエストを持つ2つの研究課題は、対処すべきタスク、LLMファミリーの使用、採用の促進、現在の制限と研究ギャップの顕在化である。
最後に、今日のアドホックPEプロトタイプが再現可能で実践者フレンドリなワークフローにどのように進化するかを示す、ステップバイステップのロードマップを概説する。
関連論文リスト
- Prompt Engineering Guidelines for Using Large Language Models in Requirements Engineering [2.867517731896504]
大規模言語モデル(LLM)のようなジェネレーティブAIモデルは、要求工学(RE)を含むさまざまな活動において、その実用性を実証している。
LLM出力の品質と精度の確保は重要であり、迅速なエンジニアリングがモデル応答のガイドとなる。
既存の文献は、特にREアクティビティのために、迅速なエンジニアリングをどのように活用できるか、限定的なガイダンスを提供している。
論文 参考訳（メタデータ） (2025-07-04T09:13:50Z) - From Linguistic Giants to Sensory Maestros: A Survey on Cross-Modal Reasoning with Large Language Models [56.9134620424985]
クロスモーダル推論(CMR)は、より高度な人工知能システムへの進化における重要な能力として、ますます認識されている。
CMRタスクに取り組むためにLLM(Large Language Models)をデプロイする最近のトレンドは、その有効性を高めるためのアプローチの新たな主流となっている。
本調査では,LLMを用いてCMRで適用された現在の方法論を,詳細な3階層分類に分類する。
論文 参考訳（メタデータ） (2024-09-19T02:51:54Z) - LLM Inference Unveiled: Survey and Roofline Model Insights [62.92811060490876]
大規模言語モデル(LLM)推論は急速に進化しており、機会と課題のユニークなブレンドを提示している。
本調査は, 研究状況を要約するだけでなく, 屋上モデルに基づく枠組みを導入することによって, 従来の文献レビューから際立っている。
このフレームワークは、ハードウェアデバイスにLSMをデプロイする際のボトルネックを特定し、実用上の問題を明確に理解する。
論文 参考訳（メタデータ） (2024-02-26T07:33:05Z) - Towards Goal-oriented Prompt Engineering for Large Language Models: A Survey [4.362755917924305]
大規模言語モデル(LLM)は、様々な下流タスクで顕著なパフォーマンスを示している。
本稿では,人為的仮定に基づく設計プロンプトの限界を明らかにすることを目的とする。
論文 参考訳（メタデータ） (2024-01-25T09:47:55Z) - A Survey on Prompting Techniques in LLMs [0.0]
自己回帰型大規模言語モデルは自然言語処理のランドスケープに変化をもたらした。
本研究は,既存の文献の分類手法について紹介し,この分類法に基づく簡潔な調査を行う。
我々は、将来の研究の方向性として役立つ自己回帰型LSMの推進という領域において、いくつかの未解決の問題を特定した。
論文 参考訳（メタデータ） (2023-11-28T17:56:34Z) - Prompts Matter: Insights and Strategies for Prompt Engineering in
Automated Software Traceability [45.235173351109374]
大規模言語モデル(LLM)は、自動化トレーサビリティに革命をもたらす可能性がある。
本稿では,LLMからリンク予測を抽出するプロセスについて検討する。
論文 参考訳（メタデータ） (2023-08-01T01:56:22Z) - How Can Recommender Systems Benefit from Large Language Models: A Survey [82.06729592294322]
大きな言語モデル(LLM)は、印象的な汎用知性と人間のような能力を示している。
我々は,実世界のレコメンデータシステムにおけるパイプライン全体の観点から,この研究の方向性を包括的に調査する。
論文 参考訳（メタデータ） (2023-06-09T11:31:50Z)
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。