論文の概要: LLM-Driven Cost-Effective Requirements Change Impact Analysis

• arxiv url: http://arxiv.org/abs/2511.00262v1
• Date: Fri, 31 Oct 2025 21:21:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.698304
• Title: LLM-Driven Cost-Effective Requirements Change Impact Analysis
• Title（参考訳）: LLM駆動型コスト効果変化影響分析
• Authors: Romina Etezadi, Sallam Abualhaija, Chetan Arora, Lionel Briand,
• Abstract要約: 本稿では,変更時の影響要件を自動的に識別するアプローチであるProReFiCIAを提案する。 ProReFiCIAは、ベンチマークデータセットで93.3%、新たに作成された業界データセットで95.8%のリコールを達成した。
• 参考スコア（独自算出の注目度）: 4.629156733452248
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Requirements are inherently subject to changes throughout the software development lifecycle. Within the limited budget available to requirements engineers, manually identifying the impact of such changes on other requirements is both error-prone and effort-intensive. That might lead to overlooked impacted requirements, which, if not properly managed, can cause serious issues in the downstream tasks. Inspired by the growing potential of large language models (LLMs) across diverse domains, we propose ProReFiCIA, an LLM-driven approach for automatically identifying the impacted requirements when changes occur. We conduct an extensive evaluation of ProReFiCIA using several LLMs and prompts variants tailored to this task. Using the best combination of an LLM and a prompt variant, ProReFiCIA achieves a recall of 93.3% on a benchmark dataset and 95.8% on a newly created industry dataset, demonstrating its strong effectiveness in identifying impacted requirements. Further, the cost of applying ProReFiCIA remains small, as the engineer only needs to review the generated results, which represent between 2.1% and 8.5% of the entire set of requirements.
• Abstract（参考訳）: 要件はソフトウェア開発ライフサイクル全体を通じて本質的に変化の対象になります。 要件エンジニアが利用できる限られた予算の中で、このような変更が他の要件に与える影響を手作業で特定することは、エラーが原因で、労力がかかる。 適切に管理されていなければ、下流のタスクで深刻な問題を引き起こす可能性がある。 多様な領域にまたがる大規模言語モデル(LLM)の潜在能力の増大に触発された我々は,変化が発生した時に影響のある要求を自動的に識別する,LLM駆動のアプローチであるProReFiCIAを提案する。 我々は,複数のLSMを用いてProReFiCIAを広範囲に評価し,このタスクに適合した変種を誘導する。 LLMとプロンプトバリアントの最良の組み合わせを使用して、ProReFiCIAは、ベンチマークデータセットで93.3%、新たに作成された業界データセットで95.8%のリコールを達成した。 さらに、ProReFiCIAを適用するコストは依然として小さく、エンジニアは生成された結果のみをレビューする必要がある。

関連論文リスト

• ORMind: A Cognitive-Inspired End-to-End Reasoning Framework for Operations Research [56.961539386979354]
  ORMindは認知にインスパイアされたフレームワークで、反ファクト推論を通じて最適化を強化する。 提案手法は,要求を数学的モデルや実行可能なコードに変換するエンド・ツー・エンドのワークフローを実装し,人間の認識をエミュレートする。 現在はLenovoのAIアシスタントで内部でテストされており、ビジネスとコンシューマの両方の最適化機能を強化する予定である。
  論文  参考訳（メタデータ） (2025-06-02T05:11:21Z)
• Automated Repair of Ambiguous Problem Descriptions for LLM-Based Code Generation [9.943472604121425]
  自然言語(NL)の曖昧さは、ソフトウェアの品質を損なう可能性がある。 あいまいなNL記述の自動修復を導入する。 このアプローチをSpecFixというツールで実装しています。
  論文  参考訳（メタデータ） (2025-05-12T06:47:53Z)
• TVR: Automotive System Requirement Traceability Validation and Recovery Through Retrieval-Augmented Generation [6.254217675711076]
  本稿では,主に自動車システムを対象とした要求トレーサビリティ検証とリカバリ手法であるTVRを紹介する。 TVRは、既存のトレーサビリティリンクを検証し、行方不明のリンクを高精度に復元するように設計されている。
  論文  参考訳（メタデータ） (2025-04-21T20:37:23Z)
• DeLTa: A Decoding Strategy based on Logit Trajectory Prediction Improves Factuality and Reasoning Ability [3.2561294196141835]
  本稿では,事実的精度と推論的推論を両立させる新しい復号法を提案する。 提案手法は,トランスフォーマーの下位層から上位層へのロジットの軌跡を解析することにより,次の確率を調節する。 TruthfulQAの実験では、DeLTaはベースラインよりも4.9%改善されている。
  論文  参考訳（メタデータ） (2025-03-04T07:07:17Z)
• The Dual-use Dilemma in LLMs: Do Empowering Ethical Capacities Make a Degraded Utility? [54.18519360412294]
  大きな言語モデル(LLM)は、安全のための有害な要求を拒否することと、ユーティリティのための正当な要求を収容することのバランスをとる必要がある。 本稿では,DPO(Direct Preference Optimization)に基づくアライメントフレームワークを提案する。 我々は,DeepSeek-R1をベンチマークでテストした結果を解析し,この高い評価を得たモデルがもたらす批判的倫理的懸念を明らかにする。
  論文  参考訳（メタデータ） (2025-01-20T06:35:01Z)
• Adaptive Pruning for Large Language Models with Structural Importance Awareness [66.2690963378878]
  大規模言語モデル(LLM)は言語理解と生成能力を大幅に改善した。 LLMは、高い計算およびストレージリソース要求のため、リソース制約のあるエッジデバイスにデプロイするのは難しい。 モデル性能を維持しつつ,計算コストとメモリコストを大幅に削減する構造的適応型プルーニング(SAAP)を提案する。
  論文  参考訳（メタデータ） (2024-12-19T18:08:04Z)
• Democratizing LLMs: An Exploration of Cost-Performance Trade-offs in Self-Refined Open-Source Models [53.859446823312126]
  SoTAは7Bから65Bまでのさまざまなサイズのオープンソースモデルを平均して、ベースラインのパフォーマンスから8.2%改善している。 厳密に言えば、Vicuna-7Bのような非常に小さなメモリフットプリントを持つモデルでさえ、全体的な11.74%の改善と、高い創造性、オープンエンドタスクの25.39%の改善を示している。
  論文  参考訳（メタデータ） (2023-10-11T15:56:00Z)
• Requirements' Characteristics: How do they Impact on Project Budget in a Systems Engineering Context? [3.2872885101161318]
  自然言語要求(NLR)の品質の制御と保証は困難である。 スウェーデン交通庁 (STA) と共同で, 要件の特性が変更要求や予算変更に与える影響について検討した。
  論文  参考訳（メタデータ） (2023-10-02T17:53:54Z)

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。