论文提出六层 BERT-LLM 框架检测并解决需求中的隐藏假设。
资讯摘要
论文提出 HiddenLens，一个六层 BERT-LLM 流水线，用于检测、分类、追问并解决软件需求中看似清晰却隐含的假设，而非仅标记歧义。作者同时构建 HiddenLens Corpus（HLC），含 312 条需求、847 个隐藏假设，覆盖六类非功能需求。作者报告其端到端 F1 为 0.79，较关键词基线和 QuARS-Adapted 基线分别高 71% 和 61%，BERT 分类器 F1 为 0.847。
要点速读
- 六层流程依次为：BERT 注意力熵定位未解决片段、CoT 提示 LLM 阐述假设与失败风险、微调 BERT 按性能/安全/可扩展性/可用性/可靠性/领域六类分类、FS 提示生成排序澄清选项、人工确认编辑改写、重写为可测试可追溯需求。
- 作者发布 HLC 语料库，312 条需求标注 847 个隐藏假设，称其为该任务首个专用数据集。
- 作者报告端到端 F1 0.79，优于关键词基线与 QuARS-Adapted 基线；NFR 分类器 F1 0.847。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。