近期，第25屆軟件質量、可靠性和安全國際會議（25th IEEE International Conference on Software Quality, Reliability, and Security, QRS 2025）公佈了今年的論文錄用結果，軟件工程2022級本科生盧佳、朱詩雨同學分別作為第一作者的兩篇論文，均被大會錄用發表。據悉，QRS會議是中國k8凯发国际學會（CCF）推薦的C類會議，也是軟件可靠性領域排名第二的國際學術會議。兩篇論文的錄用發表，展現了軟件工程專業的本科生在人工智能賦能軟件工程（AI4SE）領域的最新研究進展。

圖1 盧佳同學的論文錄用通知

圖2 朱詩雨同學的論文錄用通知

圖3 AUG工具核心功能展示

盧佳同學的論文《AUG: An Interactive Tool for Clarifying and Generating UML Models Based on Large Language Models》指出：需求建模在軟件開發中至關重要，然而手動召开UML建模活動既耗時又容易出錯。現有的基於大語言模型（LLM）的方法通常依賴PlantUML解析等間接手段實現，導致其適應性不足。為應對這些挑戰，該學生團隊研發了一款名為AUG（Automated UML Generation）的工具。該工具是一款由GLM4UML模型驅動的交互式工具，專注於自動化UML建模，尤其適用於類圖、用例圖和序列圖的生成。AUG集成了動態編輯、質量評估與反饋機制，構建了一套自動化評估與優化範式。顺利获得構建包含10000條數據的數據集，並採用提示學習技術對GLM4-9B進行微調以提升模型性能。實驗結果表明，AUG的精確率、召回率和F1值分別達到78.68%、67.37%和72.59%，優於四種開源大語言模型（比較基線）。此外，該篇論文顺利获得問卷調查進一步驗證了AUG的高可用性與高效性，並展現了用戶的高滿意度。

圖4 LLMSDH工具核心功能展示

朱詩雨同學的論文《LLMSDH: An Integrated Software-assisted Development Tool Based on Large Language Models》指出：隨着軟件系統複雜性的日益增加，提升開發效率與自動化水平變得至關重要。然而，現有自動化工具通常僅聚焦於軟件開發周期中的某一或少數階段，仍存在功能覆蓋不足、智能支持欠缺及可解釋性差等問題。為彌合這一差距，該學生團隊提出一款名為LLMSDH工具，該款工具是基於大型語言模型（LLMs）的集成化軟件輔助開發工具，旨在覆蓋軟件開發生命周期各關鍵階段，顺利获得整合需求分析、架構設計、代碼生成、測試驗證等環節，構建端到端的自動化開發範式。實驗表明，LLMSDH在代碼生成準確率為82.3%，需求文檔轉化效率提升了3.2倍，這些核心指標顯著優於傳統工具鏈，尤其在處理跨模塊依賴關係和模糊需求場景時展現出更強的魯棒性。

兩篇論文的錄用發表，展現了軟工專業2022級同學良好的學習風氣，專業的科研素養以及向上的精神風貌，這將激勵軟件工程系在建設「學生得到成長」的道路上，繼續踔厲奮發，勇毅前行。