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数字健康软件中开发者与用户需求之间的差距，提出了标准化的需求工程方法，识别了老年人的情感、社会及生理心理需求，发现需求收集存在显著差异，为未来研究指明了新方向。

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。

本研究调查了LML和基于LLM的代理在软件工程领域的应用，总结了需求工程、代码生成、自主决策、软件设计、测试生成和软件维护等六个关键主题，并讨论了它们在任务、基准测试和评估指标等方面的差异和相似性，为软件工程中基于LLM的代理的应用和有效性提供了全面的分析。