Estrazione di Obiettivi Basata su LLM nell'Ingegneria dei Requisiti: Strategie di Prompting e Limitazioni
Un nuovo preprint arXiv (2604.22207) propone una catena di grandi modelli linguistici (LLM) per automatizzare l'ingegneria dei requisiti orientata agli obiettivi (GORE) dalla documentazione software. Il pipeline prevede tre fasi: identificazione degli attori, estrazione di obiettivi di alto livello ed estrazione di obiettivi di basso livello. L'approccio utilizza prompt ingegnerizzati con varianti di apprendimento nel contesto e un ciclo di feedback generazione-critica tra due LLM. Gli esperimenti hanno misurato la similarità tra i dati di input e gli esempi nel contesto per valutarne l'impatto. Il pipeline ha raggiunto un'accuratezza del 61% nell'identificazione di obiettivi di basso livello, indicando che l'approccio è più adatto come strumento di supporto piuttosto che come soluzione completamente automatizzata.
Fatti principali
- Preprint arXiv 2604.22207
- Propone una catena di LLM per l'automazione della GORE
- Tre fasi: identificazione degli attori, estrazione di obiettivi alto/basso livello
- Utilizza prompt ingegnerizzati con apprendimento nel contesto
- Implementa un ciclo di feedback generazione-critica con due LLM
- Raggiunge un'accuratezza del 61% nell'identificazione di obiettivi di basso livello
- Misura la similarità tra dati di input ed esempi nel contesto
- L'approccio è più adatto come strumento di supporto
Entità
Istituzioni
- arXiv