ARTFEED — Contemporary Art Intelligence

Estrazione di Obiettivi Basata su LLM nell'Ingegneria dei Requisiti: Strategie di Prompting e Limitazioni

ai-technology · 2026-04-27

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

Fonti