論文の概要: RITA: A Tool for Automated Requirements Classification and Specification from Online User Feedback

• arxiv url: http://arxiv.org/abs/2601.11362v1
• Date: Fri, 16 Jan 2026 15:18:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.535058
• Title: RITA: A Tool for Automated Requirements Classification and Specification from Online User Feedback
• Title（参考訳）: RITA: オンラインユーザのフィードバックから要求の分類と仕様を自動化するツール
• Authors: Manjeshwar Aniruddh Mallya, Alessio Ferrari, Mohammad Amin Zadenoori, Jacek Dąbrowski,
• Abstract要約: RITAは軽量なオープンソースの大規模言語モデルをフィードバック駆動型REのための統合ワークフローに統合するツールである。 RITAは自動要求分類、非機能要件識別、自然言語要求仕様生成をサポートする。
• 参考スコア（独自算出の注目度）: 0.777471208829183
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Context and motivation. Online user feedback is a valuable resource for requirements engineering, but its volume and noise make analysis difficult. Existing tools support individual feedback analysis tasks, but their capabilities are rarely integrated into end-to-end support. Problem. The lack of end-to-end integration limits the practical adoption of existing RE tools and makes it difficult to assess their real-world usefulness. Solution. To address this challenge, we present RITA, a tool that integrates lightweight open-source large language models into a unified workflow for feedback-driven RE. RITA supports automated request classification, non-functional requirement identification, and natural-language requirements specification generation from online feedback via a user-friendly interface, and integrates with Jira for seamless transfer of requirements specifications to development tools. Results and conclusions. RITA exploits previously evaluated LLM-based RE techniques to efficiently transform raw user feedback into requirements artefacts, helping bridge the gap between research and practice. A demonstration is available at: https://youtu.be/8meCLpwQWV8.
• Abstract（参考訳）: コンテキストとモチベーション。 オンラインユーザフィードバックは要件エンジニアリングにとって貴重なリソースだが、そのボリュームとノイズは分析を困難にしている。 既存のツールは個々のフィードバック分析タスクをサポートしていますが、その機能はエンドツーエンドのサポートに統合されることはめったにありません。 問題。 エンドツーエンドの統合の欠如は、既存のREツールの実践的採用を制限し、実際の有用性を評価するのを困難にしている。 解決策。 この課題に対処するため、RITAは軽量なオープンソースの大規模言語モデルをフィードバック駆動型REのための統合ワークフローに統合するツールである。 RITAは、ユーザフレンドリなインターフェースを通じてオンラインフィードバックから自動要求分類、非機能要件識別、自然言語要求仕様生成をサポートし、Jiraと統合して、要件仕様を開発ツールにシームレスに転送する。 結果と結論。 RITAは以前評価されたLLMベースのRE技術を利用して、生のユーザフィードバックを要求された成果物に効率的に変換し、研究と実践のギャップを埋める手助けをする。 デモは、https://youtu.be/8meCLpwQWV8.comで公開されている。

関連論文リスト

• ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
  本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。 オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。 我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
  論文  参考訳（メタデータ） (2026-01-16T08:23:52Z)
• GUISpector: An MLLM Agent Framework for Automated Verification of Natural Language Requirements in GUI Prototypes [58.197090145723735]
  本稿では,GUIプロトタイプにおけるNL要求の自動検証にマルチモーダル(M)LLMエージェントを利用する新しいフレームワークを提案する。 GuiSpectorはエージェントの検証プロセスから詳細なNLフィードバックを抽出し、開発者に実行可能な洞察を提供する。 本稿では,これらの機能を統合化し,検証実行の監視,エージェントの合理性検査,エンドツーエンドの要件検証プロセスの管理を行うインターフェースを提供する。
  論文  参考訳（メタデータ） (2025-10-06T13:15:24Z)
• Towards an Efficient, Customizable, and Accessible AI Tutor [5.225254533678075]
  本稿では,小型言語モデル(SLM)と頑健な検索機構を組み合わせた,オフラインの検索-拡張生成(RAG)パイプラインを提案する。 我々は,このパイプラインの有効性を,生物学のコースワークに焦点をあてて,ドメイン固有の教育コンテンツを用いて評価する。
  論文  参考訳（メタデータ） (2025-10-04T13:33:40Z)
• Online-Optimized RAG for Tool Use and Function Calling [10.294181998196555]
  検索拡張生成(RAG)は、事前に指定されたツール/機能記述にユーザクエリを埋め込むことで、ツールの使用と関数呼び出しを駆動する。 Online-d RAGは、最小限のフィードバックを使用して、ライブインタラクションからの検索埋め込みに適応する。
  論文  参考訳（メタデータ） (2025-09-24T09:08:46Z)
• Feedback-Driven Tool-Use Improvements in Large Language Models via Automated Build Environments [70.42705564227548]
  大規模言語モデル(LLM)のための環境自動構築パイプラインを提案する。 これにより、外部ツールに頼ることなく、詳細な測定可能なフィードバックを提供する高品質なトレーニング環境の作成が可能になる。 また、ツール使用の精度とタスク実行の完全性の両方を評価する検証可能な報酬機構も導入する。
  論文  参考訳（メタデータ） (2025-08-12T09:45:19Z)
• GUI-ReRank: Enhancing GUI Retrieval with Multi-Modal LLM-based Reranking [55.762798168494726]
  GUI-ReRankは、高速な埋め込みに基づく制約付き検索モデルと、非常に効果的なMLLMベースのリグレード技術を統合する新しいフレームワークである。 提案手法を確立されたNLベースのGUI検索ベンチマークで評価した。
  論文  参考訳（メタデータ） (2025-08-05T10:17:38Z)
• FamilyTool: A Multi-hop Personalized Tool Use Benchmark [93.80355496575281]
  FamilyToolは、パーソナライズされたマルチホップツールの使用シナリオをシミュレートする、家族ベースのナレッジグラフ(KG)に基盤を置くベンチマークである。 実験により、最先端の大規模言語モデル(LLM)における顕著な性能ギャップが明らかになった FamilyToolは、複雑な動的環境において、LLMエージェントの推論、適応性、スケーラビリティを評価し、前進するための重要なリソースとなる。
  論文  参考訳（メタデータ） (2025-04-09T10:42:36Z)
• FREYR: A Framework for Recognizing and Executing Your Requests [2.4797200957733576]
  本稿では、ツールの使用プロセスを別のステップにモジュール化する合理化フレームワークであるFREYRを紹介する。 FREYRは従来のツール使用法に比べて優れた性能を示す。 我々はFREYRをゲームデザインに特化した実世界のテストケースのセットで評価し、Ollama APIが提供する従来のツール使用法と比較した。
  論文  参考訳（メタデータ） (2025-01-21T11:08:18Z)
• Data-Efficient Massive Tool Retrieval: A Reinforcement Learning Approach for Query-Tool Alignment with Language Models [28.67532617021655]
  外部ツールやAPIと統合された大規模言語モデル(LLM)は、コンテキスト内学習や微調整によって複雑なタスクにうまく対応している。 この進歩にもかかわらず、厳密な入力長制約のため、ツール検索の大規模化は依然として困難である。 本稿では,大規模なツール検索(MTR)タスクとして,大規模リポジトリからの事前検索戦略を提案する。
  論文  参考訳（メタデータ） (2024-10-04T07:58:05Z)

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。