期刊名：Software

期刊主页：https://www.mdpi.com/journal/software

本期编辑荐读为您精选了Software 五篇高引精选文章，内容涵盖BTR程序、软件验证、人工智能、测试用例生成、GPT, 动态系统之系统, 软件自适应等相关研究，希望能为相关领域学者提供新的思路和参考，欢迎阅读。

（1）

Beam Transmission (BTR) Software for Efficient Neutral Beam Injector Design and Tokamak Operation

束流传输软件（BTR）：助力中性束注入器高效设计与托卡马克稳定运行

https://www.mdpi.com/2674-113X/2/4/22

BTR程序（最初名为"束流传输与再电离"，1995年）用于中性束注入（NBI）系统设计，并已应用于国际热核聚变实验堆（ITER）的注入器系统。2008年，BTR模型进一步扩展，纳入了束流与等离子体的相互作用以及托卡马克中的直接束流损失。多年来，BTR已广泛应用于各类NBI设计，用于核聚变装置中高效的等离子体加热、电流驱动、工况控制及诊断分析。对于"束流驱动型"聚变装置（如聚变中子源托卡马克）而言，BTR分析尤为重要，因为这类装置的运行高度依赖NBI在非感应电流驱动和聚变产额方面的高功率输入。BTR能够计算详细的功率沉积分布图和粒子损失，同时考虑束流电离组分和背景电磁场的影响；这些结果用于NBI整体性能分析。BTR程序对外开放使用，具备完全交互式功能和直观的图形用户界面（GUI）。输入配置可灵活适配各种具体的NBI几何结构。程序运行速度快，且用户对运行参数拥有完全控制权，可即时开展多组参数化计算。本文详细介绍了BTR的物理模型、数值方法、图形用户界面及应用实例。该程序仍在持续开发中，所有用户均可获得基础技术支持。

关键词：BTR程序；中性束注入；加热与电流驱动；功率沉积；注入功率；束线模拟器；软件验证

（2）

Machine Learning Techniques for Requirements Engineering: A Comprehensive Literature Review

机器学习如何助力需求工程：一份全面的文献调研

https://www.mdpi.com/2674-113X/4/3/14

软件需求工程是软件开发过程中最关键且最耗时的阶段之一。由于与利益相关方沟通不足，以及使用自然语言进行交流，容易导致需求理解偏差、需求识别错误或产生模糊需求，这些问题可能危及软件开发后续所有步骤，并最终影响软件产品的质量。自然语言处理（NLP）是一个老牌研究领域，但近年来随着机器学习（ML）的快速发展——尤其是深度学习的兴起，以及BERT、GPT等Transformer模型的出现——NLP正迎来强劲而积极的新变革。软件需求工程也正受到机器学习及人工智能（AI）其他领域发展的深刻影响。本文系统性地综述了AI、ML和NLP在需求工程各阶段的应用，包括需求获取、需求规格说明、需求分类、需求优先级排序、需求管理、需求可追溯性等。此外，我们还识别了各阶段最常用的算法，揭示了当前面临的挑战与开放性问题，并提出了未来研究方向。

关键词：人工智能；机器学习；自然语言处理；需求工程；软件工程

（3）

A Systematic Approach for Assessing Large Language Models’ Test Case Generation Capability

如何系统评估大语言模型生成测试用例的能力

https://www.mdpi.com/2674-113X/4/1/5

软件测试是保障软件产品质量与可靠性的关键环节，但手动编写测试用例费时费力。随着大语言模型（LLM）的兴起，利用LLM自动生成单元测试受到越来越多的关注。然而，目前缺乏能够全面覆盖多种编程场景的标准化基准，这限制了对LLM生成测试用例能力的有效评估。为解决LLM测试用例生成能力的评估问题，并弥补现有评测数据集的不足，本文提出了基于控制流结构与变量使用组合的生成式基准方法（GBCV）。该方法通过组合基本的控制流结构和变量使用方式，系统性地生成用于评估LLM测试生成能力的程序，提供了一个灵活的框架，可创建从简单到复杂不同难度的程序集。鉴于GPT-4o和GPT-3.5-Turbo是公开可获取的模型，为反映真实普通用户的使用场景，我们采用GBCV对这两款LLM进行了性能评估。结果表明，GPT-4o在复合程序结构方面表现更优；所有模型在简单条件下都能有效检测边界值，但在算术运算方面仍存在挑战。本研究揭示了LLM在测试生成中的优势与局限，提供了一套基准评测框架，并为后续改进指明了方向。

关键词：软件测试；测试用例生成；大语言模型；GPT

（4）

Defining and Researching “Dynamic Systems of Systems”

什么是"动态系统之系统"：概念界定与研究探索

https://www.mdpi.com/2674-113X/3/2/9

数字化转型正在各行各业深入推进，催生了改变我们沟通、互动和生活方式的产品、流程与商业模式。它深刻影响着现有系统之系统（SoS）的演进，例如交通系统、生产系统、能源系统或智慧城市等，这些系统经过长期发展已形成庞大而复杂的体系。本文基于DynaSoS研究项目的成果，探讨数字化转型对软件工程未来发展的意义。我们介绍了所采用的数据收集方法，包括访谈、文献综述和专题研讨会。本文的第一个贡献是提出了一套分类框架，用于推导和梳理研究挑战与方向。该框架包含两个维度：范围与特性。"范围"维度阐释并结构化日益互联世界的发展趋势；"特性"维度则对现有SoS特性进行扩展和调整，以纳入新涌现的方面，并更好地与不同研究领域或学术社区的研究分工相契合。第二个贡献是利用该分类框架呈现具体的研究挑战。我们发现，该框架能够将研究挑战置于恰当的背景中加以理解，而这正是解读这些挑战所必需的。综上所述，本文提出的方案有助于形成对动态系统之系统工程化的共同理解与愿景。

关键词：动态系统之系统；研究挑战；分类

（5）

Vision-Autocorrect: A Self-Adapting Approach towards Relieving Eye-Strain Using Facial-Expression Recognition

智能护眼助手：通过识别面部表情自动缓解眼疲劳

https://www.mdpi.com/2674-113X/2/2/9

受新冠疫情影响，过去两年成人和儿童的屏幕使用时间大幅增加。由此带来的一个主要负面影响是数码视疲劳（DES）。近年来，人机交互与用户体验领域出现了语音或手势引导设计等新趋势，旨在提供更有效、更少干扰的自动化解决方案。受此启发，本研究设计了一种利用面部表情识别（FER）技术检测视疲劳并自动调整应用设置以改善用户体验的方案。本研究搜集并改编了主流的公开FER数据集用于视疲劳研究，训练了卷积神经网络模型来识别视疲劳相关表情，并设计了一套自适应方案作为概念验证。初步实验结果显示，模型识别准确率达到77%，并能根据FER分类结果自动调整用户应用界面。我们还提供了开发的应用程序、模型源代码及改编后的数据集，供该领域后续改进使用。未来工作将聚焦于检测用户坐姿、人体工学状态以及与屏幕的距离。

关键词：数码视疲劳；面部表情识别；软件自适应；图像识别

期刊介绍

主编：Mirko Viroli, Alma Mater Studiorum Università di Bologna, via dellUniversità 50, 47521 Cesena FC, Italy

Software (ISSN 2674-113X) 创刊于2022年，是一个国际化、经同行评审的开放获取期刊。本刊旨在汇聚学术界与工业界的研究人员、工程师及软件开发人员，共同探讨软件应用领域在理论与实践层面的创新理念与扎实成果。期刊聚焦软件工程、软件应用及相关算法的最新研究进展，致力于解决该领域的核心问题。