Buchumschlag

A Data-to-Product Multimodal Conceptual Framework to Achieve Automated Software Evolution for Context-rich Intelligent Applications

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Yue, Songhui
Format:	Preprint
Veröffentlicht:	2024
Schlagworte:	Software Engineering Artificial Intelligence
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

LLM-based Zero-shot Triple Extraction for Automated Ontology Generation from Software Engineering Standards
von: Yue, Songhui
Veröffentlicht: (2025)

FailureMem: A Failure-Aware Multimodal Framework for Autonomous Software Repair
von: Ma, Ruize, et al.
Veröffentlicht: (2026)

Beyond Isolated Tasks: A Framework for Evaluating Coding Agents on Sequential Software Evolution
von: Shastry, KN Ajay, et al.
Veröffentlicht: (2026)

Loosely-Structured Software: Engineering Context, Structure, and Evolution Entropy in Runtime-Rewired Multi-Agent Systems
von: Zhang, Weihao, et al.
Veröffentlicht: (2026)

AgentMesh: A Cooperative Multi-Agent Generative AI Framework for Software Development Automation
von: Khanzadeh, Sourena
Veröffentlicht: (2025)

ReqFusion: A Multi-Provider Framework for Automated PEGS Analysis Across Software Domains
von: Khalid, Muhammad, et al.
Veröffentlicht: (2026)

AI-Driven Self-Evolving Software: A Promising Path Toward Software Automation
von: Cai, Liyi, et al.
Veröffentlicht: (2025)

You Don't Know Until You Click:Automated GUI Testing for Production-Ready Software Evaluation
von: Bian, Yutong, et al.
Veröffentlicht: (2025)

Digital Twins & ZeroConf AI: Structuring Automated Intelligent Pipelines for Industrial Applications
von: Picone, Marco, et al.
Veröffentlicht: (2026)

Automated Root Cause Analysis System for Complex Data Products
von: Demarne, Mathieu, et al.
Veröffentlicht: (2024)

Future of Artificial Intelligence in Agile Software Development
von: Mahboob, Mariyam, et al.
Veröffentlicht: (2024)

Enhancing Formal Software Specification with Artificial Intelligence
von: Nassar, Antonio Abu, et al.
Veröffentlicht: (2026)

Lingma SWE-GPT: An Open Development-Process-Centric Language Model for Automated Software Improvement
von: Ma, Yingwei, et al.
Veröffentlicht: (2024)

From Defects to Demands: A Unified, Iterative, and Heuristically Guided LLM-Based Framework for Automated Software Repair and Requirement Realization
von: Alex, et al.
Veröffentlicht: (2024)

In-Context Code-Text Learning for Bimodal Software Engineering
von: Tang, Xunzhu, et al.
Veröffentlicht: (2024)

The Role of Artificial Intelligence and Machine Learning in Software Testing
von: Ramadan, Ahmed, et al.
Veröffentlicht: (2024)

RAILS: Retrieval-Augmented Intelligence for Learning Software Development
von: Abdullah, Wali Mohammad, et al.
Veröffentlicht: (2025)

Artificial Intelligence as a Catalyst for Innovation in Software Engineering
von: Fernández-y-Fernández, Carlos Alberto, et al.
Veröffentlicht: (2026)

Artificial Intelligence in Open Source Software Engineering: A Foundation for Sustainability
von: Karim, S M Rakib UI, et al.
Veröffentlicht: (2026)

The Potential of LLMs in Automating Software Testing: From Generation to Reporting
von: Sherifi, Betim, et al.
Veröffentlicht: (2024)

Breaking Barriers in Software Testing: The Power of AI-Driven Automation
von: Naqvi, Saba, et al.
Veröffentlicht: (2025)

Automated Validation of LLM-based Evaluators for Software Engineering Artifacts
von: Fandina, Ora Nova, et al.
Veröffentlicht: (2025)

Learning Generalizable Multimodal Representations for Software Vulnerability Detection
von: Dong, Zeming, et al.
Veröffentlicht: (2026)

Evaluating LLM-Based Test Generation Under Software Evolution
von: Haroon, Sabaat, et al.
Veröffentlicht: (2026)

EvoClaw: Evaluating AI Agents on Continuous Software Evolution
von: Deng, Gangda, et al.
Veröffentlicht: (2026)

Automating Quantum Software Maintenance: Flakiness Detection and Root Cause Analysis
von: Sivaloganathan, Janakan, et al.
Veröffentlicht: (2024)

Skill Discovery for Software Scripting Automation via Offline Simulations with LLMs
von: Xu, Paiheng, et al.
Veröffentlicht: (2025)

Toward Scalable Automated Repository-Level Datasets for Software Vulnerability Detection
von: Lbath, Amine
Veröffentlicht: (2026)

Verifying LLM-Generated Code in the Context of Software Verification with Ada/SPARK
von: Cramer, Marcos, et al.
Veröffentlicht: (2025)

Shift-Up: A Framework for Software Engineering Guardrails in AI-native Software Development -- Initial Findings
von: Lipsanen, Petrus, et al.
Veröffentlicht: (2026)

AutoEmpirical: LLM-Based Automated Research for Empirical Software Fault Analysis
von: Yu, Jiongchi, et al.
Veröffentlicht: (2025)

Automated Proof Generation for Rust Code via Self-Evolution
von: Chen, Tianyu, et al.
Veröffentlicht: (2024)

LLM-Driven Kernel Evolution: Automating Driver Updates in Linux
von: Kharlamova, Arina, et al.
Veröffentlicht: (2025)

Data Quality Antipatterns for Software Analytics
von: Bhatia, Aaditya, et al.
Veröffentlicht: (2024)

Automating the Correctness Assessment of AI-generated Code for Security Contexts
von: Cotroneo, Domenico, et al.
Veröffentlicht: (2023)

Automated Non-Functional Requirements Generation in Software Engineering with Large Language Models: A Comparative Study
von: Almonte, Jomar Thomas, et al.
Veröffentlicht: (2025)

Automating Structural Analysis Across Multiple Software Platforms Using Large Language Models
von: Geng, Ziheng, et al.
Veröffentlicht: (2026)

MAAD: Automate Software Architecture Design through Knowledge-Driven Multi-Agent Collaboration
von: Li, Ruiyin, et al.
Veröffentlicht: (2025)

Automating a Complete Software Test Process Using LLMs: An Automotive Case Study
von: Wang, Shuai, et al.
Veröffentlicht: (2025)

Automated Classification of Source Code Changes Based on Metrics Clustering in the Software Development Process
von: Kniazev, Evgenii
Veröffentlicht: (2026)