两篇最新的arXiv论文探讨了软件开发中自我承认的技术债务（SATD）的概念。第一篇论文介绍了PRESTI，一个基于BERT和TextCNN的模型，用于预测偿还SATD所需的工作量，发现代码/设计和需求债务成本最高。第二篇论文对SATD检测方法进行了长达十年的系统性回顾，指出从启发式方法转向先进的机器学习、深度学习和Transformer模型，同时强调了可推广性和工业应用方面持续存在的挑战。 AI
影响 改进预测和检测软件开发债务的方法可以简化维护和资源分配。
排序理由 该集群包含两篇在arXiv上发表的学术论文，详细介绍了与软件开发相关的新模型和系统性回顾。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2309.06020v3 Announce Type: replace-cross Abstract: Technical debt refers to the consequences of sub-optimal decisions made during software development that prioritize short-term benefits over long-term maintainability. Self-Admitted Technical Debt (SATD) is a specific form…
arXiv:2312.15020v4 Announce Type: replace-cross Abstract: Technical debt (TD) refers to the long-term costs associated with suboptimal design or code decisions in software development, often made to meet short-term delivery goals. Self-Admitted Technical Debt (SATD) occurs when d…