本研究探讨海事公司在开发大型语言模型时的需求工程问题，强调数据科学家需与用户反复实验以识别特定的“检索需求”，确保输出的准确性，为RAG系统的实施提供深刻见解。

本研究分析了461篇论文中的181个基准，发现CodeLLMs和智能体评估在软件开发生命周期中的覆盖不均，约60%集中在开发阶段，而需求工程和设计阶段仅占5%和3%。研究还指出了当前的挑战，并提出了未来的研究方向。

本研究提出了一种名为Synthline的产品线方法，旨在解决需求工程中高质量数据稀缺的问题。通过利用大语言模型生成合成需求数据，研究发现合成数据虽然多样性低于真实数据，但与真实数据结合使用时，模型性能显著提升，尤其精确度提高了85%。

本研究提出ReXCL工具，旨在自动化需求工程中的文档提取与分类，通过启发式方法和预测建模提升管理效率与准确性。

本研究探讨了老年人对数字健康软件的需求，提出了一种标准化的需求工程方法，以识别和优先考虑老年人的情感、社会及生理心理需求。研究发现，需求收集和理解存在显著差异，为未来研究提供了新方向。

本研究系统性映射了人工智能（AI）带来的需求工程挑战，并发现需求分析和引出是主要应用领域。研究提出了七个未来研究方向。

自然语言处理在需求工程中至关重要，提升软件开发的合规性和效率。文章探讨了利用大型语言模型进行需求分析和用户故事质量提升，分析法律要求的挑战，以及人工智能在软件工程中的应用。研究表明，少样本学习能够有效实现需求的自动翻译，促进人工智能系统的多样性和包容性。