DEV Community
·
软件工程的进展：当代研究中的安全性、可持续性与人工智能集成
💡
原文英文，约2000词，阅读约需8分钟。
📝
内容提要
本文总结了2025年5月7日发布的19篇软件工程研究论文，探讨了人工智能、大型语言模型的集成、安全性、环境可持续性、协作动态和运行时适应性等主题。研究表明，AI辅助编码的碳足迹显著增加，并提出了提升软件安全性和可持续性的解决方案，强调了软件工程在技术与社会需求中的重要性。
🎯
关键要点
- 本文总结了2025年5月7日发布的19篇软件工程研究论文，探讨了多个主题。
- 软件工程是计算机科学的一个学科，专注于软件系统的设计、开发、测试和维护。
- 软件工程在现代社会中至关重要，影响金融、医疗和交通等多个领域。
- 研究表明，人工智能（AI）和大型语言模型（LLMs）的集成是软件开发中的一个重要主题。
- 安全性和可靠性是软件系统中的关键问题，尤其是在高风险领域。
- 环境可持续性成为软件工程中的新兴优先事项，AI辅助编码的碳足迹显著增加。
- 协作和社区动态在开源生态系统中至关重要，AI可以帮助新成员融入社区。
- 运行时适应性是软件应对动态环境的必要条件，实时决策变得至关重要。
- 研究方法多样，包括实证分析、基准测试、定性分析和模型驱动工程。
- AI辅助编码的碳足迹比手动编码高出30%以上，呼吁重新评估开发实践。
- 自动翻译到更安全语言的研究显示，风险代码组件减少超过13%。
- 用户反馈分类的研究使用零样本学习，准确率达到0.842，促进用户驱动的软件改进。
- 开源生态系统中的安全漏洞传播研究发现，修复延迟不可预测，需改进跟踪工具。
- 未来研究应关注开发节能的AI工具、增强安全性、促进开源社区合作等方向。
- 量子计算与AI的结合在软件工程中具有潜在应用，但实际实施仍需时日。
❓
延伸问答
软件工程的主要研究主题是什么？
主要研究主题包括人工智能集成、安全性、环境可持续性、协作动态和运行时适应性。
人工智能在软件开发中的作用是什么？
人工智能，特别是大型语言模型，能够自动生成代码、调试和编译项目，提高开发效率。
AI辅助编码的碳足迹有多大？
AI辅助编码的碳足迹比手动编码高出超过30%。
如何提高软件系统的安全性？
可以通过将过时的错误代码翻译成更安全的编程语言来减少风险，研究显示可减少超过13%的风险代码组件。
开源社区中的协作动态如何影响软件开发？
开源社区依赖集体贡献，AI可以帮助新成员融入社区，促进协作和贡献。
未来软件工程研究的重点方向是什么？
未来研究应关注开发节能的AI工具、增强安全性、促进开源社区合作和运行时适应性。
➡️
