PulseAugur
实时 18:21:29

新框架使用信息论评估无监督软件可追溯性

一篇新研究论文介绍了 TraceXplainer,一个信息论框架,旨在评估无监督软件可追溯性的可靠性和局限性。该框架使用自信息和互信息来量化源代码和文档之间的信息量和对齐程度。对行业数据集的实证分析表明,源代码通常比其对应的文档包含更多信息,并且互信息水平表明了无监督跟踪链接恢复的固有约束。 AI

影响 提供了一种评估人工智能在软件开发中有效性的新方法,可能指导文档和开发工作流程的改进。

排序理由 一篇发表在 arXiv 上的研究论文,详细介绍了一个评估软件可追溯性的新框架。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新框架使用信息论评估无监督软件可追溯性

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Daniel Rodriguez-Cardenas, David N. Palacio, Logan Fecko, Kevin Moran, Denys Poshyvanyk ·

    信息论视角下的传输丢失:无监督软件可追溯性研究

    arXiv:2412.04704v2 Announce Type: replace-cross Abstract: Traceability remains a critical capability to ensure system reliability, maintainability, and compliance in modern software development. Although unsupervised Information Retrieval (IR) and Machine Learning (ML) techniques…