• 通过模型协作实现深度代码模型的即时生成质量提升

  摘要深度代码模型在自动化软件工程任务中日益凸显的重要性是不可否认的。然而，它们的部署在“即时性能提升”方面遇到了重大挑战，即在实际执行过程中动态提高深度代码模型的性能。传统技术（如重新训练或微调）在受控的预部署场景中有效，但在部署后进行即时调整时却显得力不从心。CodeDenoise是一种著名的即时性能提升技术，它利用基于不确定性的方法来识别错误分类的输入，并应用“输入修改策略”来纠正分类错误。尽管这种方法对分类任务有效，但由于两个关键问题，它不适用于生成任务：❶ 基于不确定性的方法不适合识别“具有挑战性的输入”，尤其是在输出多样且开放式的生成任务中。“具有挑战性的输入”指的是一类输入，由于任

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• 探讨云计算对可持续性软件架构的影响：从业者的视角

  摘要随着云计算在软件系统中的使用日益增加，从软件架构的角度考虑基于云的软件的可持续性影响变得至关重要。为此目的而设计的软件架构是一系列决策的集合，这些决策会对系统的软件组件、它们之间的关系以及两者的属性产生持久且系统范围的影响。本研究的核心目标是从软件从业者的角度理解采用云计算对软件系统可持续性的影响。具体而言，我们旨在确定云计算在不同维度及其相关质量要求方面对系统架构产生的可持续性影响类型。为了实现这一目标，我们采用了数据挖掘技术，并对Stack Exchange问答平台上关于软件工程、软件质量保证与测试以及DevOps的相关论坛中的数据集进行了定性分析。我们的研究结果证实了先前研究的发现，

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• DevOps中的REST API测试：以一个不断发展的医疗物联网应用为例

  摘要医疗物联网（IoT）应用程序通常通过REST API集成各种第三方医疗应用和医疗设备，从而形成复杂且相互依赖的REST API网络。奥斯陆市的医疗部门与多个行业合作伙伴合作开发这些应用程序，这些应用程序配备了多样化的REST API，并在DevOps过程中不断演变，以满足新功能、服务和设备的需求。奥斯陆市的主要目标是在每个开发阶段使用自动化解决方案对REST API进行持续测试，以确保其可靠性。尽管有众多自动化REST API测试工具可供选择，但它们在DevOps环境下对不断演变的医疗物联网应用程序进行回归测试的有效性尚未得到充分验证。本文评估了几种先进且成熟的REST API测试工具——

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• 利用Fragmenta提升图形数据建模的表现力、模块化和严谨性

  摘要图形数据建模（或概念建模）是软件工程中最流行的建模应用，但目前这一领域亟需改进。即使对于规模中等、结构简单的系统，图形数据模型也常常变得难以管理。从业者们一直希望能拥有更先进的建模原语和机制，以提高建模的表达能力、用户体验以及其吸引力。Fragmenta正是一个旨在解决这些问题的正式数据与元建模框架，它提供了先进的机制来分离不同方面的关注点。Fragmenta的创新之处包括：(i) 通过垂直细化实现的多层次建模；(ii) 通过代理对象改进片段的水平分解与组合方式；(iii) 用于简化继承关系的“虚拟”机制；(iv) 图形模型约束功能。Fragmenta是首个具有数学基础并配有实现代码的数据

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• ISF：智能家居物联网固件的安全分析与评估

  编者按关注声明：在针对《TOSN特刊：绿色通信与智能城市中的传感器网络与机器智能》所发表的所有论文进行彻底调查以核实同行评审过程的完整性期间，ACM正式发布了该声明。ACM强烈建议，在ACM的调查结束并就该同行评审过程的完整性作出最终决定之前，不要在文献中引用这些论文。摘要过去几年中，物联网（IoT）提供的应用和服务显著增长。设备制造商和企业供应商已注意到这一趋势，从而导致大量新兴公司的涌现。随着物联网设备使用量的增加，涉及到的机密数据和信息也越来越多。根据安全评估，物联网设备的安全性问题日益突出。为了保护智能城市和家庭中运行物联网设备的环境，我们的研究重点关注物联网设备的固件。本研究提出的安

  来源：ACM Transactions on Sensor Networks

  时间：2025-11-08

• 基于FMMEHO的工作流调度在虚拟化云环境中的应用——用于智能灌溉系统

  摘要农业、工业以及生活用水的广泛和过度使用严重破坏了水体质量。云计算和传感器技术被广泛应用于各种实时场景中，尤其是在农业领域。将来自大规模传感器网络的数据转化为有价值的知识和资产，可以有效地利用云计算（CC）等技术。在云计算中，工作流调度是一个关键问题，其目标是在不影响服务质量（QoS）的前提下全面执行工作流。然而，由于计算强度高、任务之间存在依赖关系以及云资源异构性，带有资源分配的工作流调度是一项极具挑战性的任务。本文提出了一种新的最优能源和资源感知工作流调度（OERES）方案，该方案受到流行的模糊隶属度变异象群优化（FMMEHO）算法的启发，旨在将任务工作流调度到参与计算的虚拟机（VM）上

  来源：ACM Transactions on Sensor Networks

  时间：2025-11-08

• 深度代码模型的变形测试：一项系统性的文献综述

  摘要大型语言模型和专为代码智能设计的深度学习模型由于能够执行各种与代码相关的任务，彻底改变了软件工程领域。这些模型能够以高精度处理源代码和软件工件，完成代码补全、缺陷检测和代码摘要等任务；因此，它们有可能成为现代软件工程实践不可或缺的一部分。尽管具备这些能力，但鲁棒性仍然是深度代码模型的一个关键质量属性，因为它们在不同的和对抗性条件下（例如变量重命名）可能会产生不同的结果。变形测试（Metamorphic Testing）已成为一种广泛使用的方法，通过対输入程序应用保持语义的转换来评估模型的鲁棒性，并分析模型输出的稳定性。虽然之前的研究已经探讨了对深度学习模型的测试，但本系统性的文献综述专门关

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• ChaseCharge：在传感器云系统中通过追踪方式实现传感器的充电功能

  编者按关注声明：在针对《TOSN特刊：绿色通信与智能城市中的传感器网络与机器智能》发表的所有论文中，ACM正式发表了关注声明。目前正在进行关于同行评审过程完整性的彻底调查。在ACM的调查结束并对同行评审过程的完整性作出最终决定之前，强烈建议不要在文献中引用该特刊中的论文。摘要无线电力传输技术的最新突破使得可以在发射器和接收器之间传输能量，这对传感器-云系统非常有益。传统的充电方案仅适用于静态传感器，而移动传感器的充电问题却被忽视了。在本文中，我们首次尝试以“追逐”的方式来为传感器-云系统中的移动传感器供电，即移动充电器可以追踪移动传感器为其补充能量。我们为带有移动充电器的动态传感器制定了充电效

  来源：ACM Transactions on Sensor Networks

  时间：2025-11-08

• 从概念特性到功能需求的自动化转换：愿景与规范

  摘要将高层次的抽象特征转化为清晰且可测试的功能需求（Functional Requirements, FRs）是软件开发中的一个关键步骤，它架起了用户需求与技术规范之间的桥梁。在工程实践中，这一转化过程需要大量的专家投入。我们的方法EasyFR通过为给定的抽象特征推荐语义角色标注（Semantic Role Labeling, SRL）序列来简化这一过程，从而指导预训练的语言模型（Pre-trained Language Models, PLMs）生成连贯的功能需求陈述。通过对十个不同数据集的分析，我们归纳出了两种可变性的SRL模板，每种模板包含两个可配置的部分。对于具体的特征，我们提出的Ke

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• 开发者情绪的自我监控：以敏捷回顾会议为例

  摘要开发人员在开发软件的过程中会经历各种情绪。能够识别自己及同事的情绪原因，可以帮助他们调节行为，从而恢复积极的情绪状态和工作效率。在本文中，我们研究了情绪自我监控在多大程度上能够通过提高参与者的情绪意识来增强敏捷回顾会议的效果。为此，我们进行了一项控制实验，涉及三个软件开发团队，包括两个学生团队和一个专业开发团队。实验设计包括收集生物特征数据和关于情绪的自我报告信息，这些数据随后通过我们专门为该目的设计和实现的工具EmoVizPhy进行可视化展示，以辅助回顾会议的讨论。虽然学生认为情绪自我监控有助于他们回忆起重要的情绪事件，从而在回顾会议中做出更有意义的贡献，但专业开发人员则认为这种做法带来

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• 大型语言模型（LLMs）能够入侵企业网络吗？自主假设的入侵渗透测试在Active Directory网络中的应用

  摘要传统的企业渗透测试对于验证防御措施和发现漏洞至关重要，但往往受到高昂运营成本和人才短缺的限制。本文探讨了利用大型语言模型（LLM）驱动的自动化系统来解决实际环境中Active Directory（AD）企业网络所面临挑战的可行性和有效性。我们介绍了一种名为cochise的新原型，该原型旨在利用LLM自主执行假设性渗透测试。我们的系统是首个完全自主的、由LLM驱动的框架的演示，能够在真实的Microsoft Active Directory测试环境——Game of Active Directory（GOAD）中破坏账户。评估特意使用GOAD来捕捉实际网络渗透测试中的复杂交互和有时具有不确定

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• RE-RCNN：一种新型的表示增强型RCNN模型，用于苹果叶病害的早期检测

  摘要苹果叶片病害对苹果的质量和产量有着显著的影响。因此，在疾病早期阶段实施准确的检测方法对于苹果产业的快速和高质量发展具有重要意义。然而，早期的苹果叶片病害通常表现为非常小的病斑，这使得现有的基于深度学习的检测模型在检测这些病斑时面临挑战。在本文中，提出了一种名为“表示增强型RCNN”（RE-RCNN）的新检测模型，用于准确识别早期的苹果叶片病斑。首先，通过引入小型病斑特征增强提取器（SDSFEE），提出了一种能够增强小病斑特征的对象增强分支结构。其次，设计了一种SCMLoss损失函数，以平衡同一类别下不同大小病斑之间的差异。第三，在训练过程中采用了one2one计算策略来合理采样数据。最终的

  来源：ACM Transactions on Sensor Networks

  时间：2025-11-08

• 一种利用无人机对农业中隐蔽传感器进行在线资源管理的系统

  摘要基于农业的物联网（Ag-IoT）能够生成近乎实时的定量数据，用于分析作物生长情况。由于无人机（UAV）成本低、移动速度快且操作简便，基于无人机的移动边缘计算系统在Ag-IoT中得到了广泛应用。然而，农业中的传感器可能位于高大茂密的作物冠层下或土壤中，这些环境使得传感器难以稳定获取能量，且数据传输的信道条件也非常恶劣。本文提出了一种无人机-传感器协作无线网络（USCWN）方案，其中每架无人机都配备有计算模块和无线能量传输模块，为传感器提供服务和能量支持。接着，我们提出了一个在线资源管理框架，该框架包含两个子算法，用于最大化USCWN的网络吞吐量。第一个是传感器模糊选择算法，该算法能够在无需预

  来源：ACM Transactions on Sensor Networks

  时间：2025-11-08

• 无线传感器网络中通信结构设计中的权衡

  摘要在本文中，我们研究了通过同时优化传感器网络的数据能效和延迟来设计该网络的方法。我们提出了一种基于无线节点最近邻居数量的网络结构，并为网络测量指标（如能耗和跳数直径）提供了分析性界限。我们还展示了如何在这两个标准之间取得平衡。据我们所知，此前尚未有非平凡的次对数级跳数直径界限被提出。此外，我们的结构具有很高的容错能力。我们还提供了仿真结果来验证我们的论点。

  来源：ACM Transactions on Sensor Networks

  时间：2025-11-08

• 一种用于边缘辅助物联网中无监督异常检测的高效框架

  摘要在智能城市的公共交通和设施维护中，异常状态的检测起着关键作用。由于广泛部署了传感设备，人们可以收集并利用多维度传感数据来检测和分析潜在的异常情况，并及时作出反应。目前的努力主要集中在离线方法上，但这无法适应智能城市的需求，因为智能城市期望的是高效且实时的解决方案。本文提出了一种基于边缘辅助的物联网（IoTs）的新型异常检测框架。该框架允许定期从传感器收集数据，并在边缘节点进行持续异常检测。设计了一种新型的高效无监督深度学习模型，通过结合卷积自编码器和对抗训练来平衡异常检测过程中的资源消耗与准确性。同时，该框架还采用了一种自适应策略来降低整体资源消耗。根据理论分析和多个真实世界数据集的评估，

  来源：ACM Transactions on Sensor Networks

  时间：2025-11-08

• 基于生成器的模糊测试中的“破坏悖论”——RCR报告

  摘要该工件与论文“基于生成器的模糊测试中的‘破坏效应’（The Havoc Paradox in Generator-Based Fuzzing）”相关。其中包含了论文中讨论的各种模糊测试技术的实现方式，以及用于验证这些技术的基准测试结果、实验数据和分析脚本，这些内容支持了关于基于生成器的模糊测试中“破坏效应”的研究发现。该工件能够重现所有实验结果，展示了不同的变异策略如何影响基于生成器的模糊测试技术的性能。

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• 用于通信和传感器网络的并行有限域算法

  编辑部声明表达关切：在针对《TOSN 特刊：绿色通信与智能城市的传感器网络与机器智能》中发表的所有论文，ACM 发表了一份正式的关切声明。目前，ACM 正在对同行评审过程的完整性进行彻底调查。在此期间，ACM 强烈建议不要在相关文献中引用该特刊中的论文，直至调查结束并作出关于同行评审过程完整性的最终结论。摘要传感器网络融合了传感器技术、嵌入式计算技术、现代网络与无线通信技术以及分布式信息处理技术等。它可以通过各种集成微型传感器实时监测、感知并收集各种环境或监测对象的信息，并通过嵌入式系统对这些信息进行处理。所获取的信息通过随机自组织无线通信网络，经由多跳中继传输到用户终端。通信和传感器网络的编

  来源：ACM Transactions on Sensor Networks

  时间：2025-11-08

• ReachCheck：集成开发环境（IDEs）中具备组件库感知能力的调用图可达性分析工具

  摘要调用图可达性分析对于漏洞检测、依赖冲突分析和兼容性检查至关重要。然而，现代软件系统，尤其是那些在集成开发环境（IDE）中开发的系统，通常依赖于第三方库（TPLs），这大大增加了分析成本。本文介绍了一种名为ReachCheck的分析工具，该工具能够在IDE中针对方法对的可达性进行组件化分析，并能够识别这些第三方库的依赖关系。具体而言，ReachCheck通过离线传递闭包来总结TPL的可达性，并根据需要将这些总结结果与应用程序代码集成在一起，从而避免了重复分析。此外，我们使用矩阵表示法来表示调用图，并采用快速矩阵乘法算法进行传递闭包的计算，进一步提高了分析效率。我们已经将这种方法实现为一个原型

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• 公平性API在机器学习软件中的应用与挑战

  摘要机器学习软件系统在我们的日常生活中被广泛使用。其中一些系统被应用于各种敏感环境中，用于做出可能改变人们生活的决策。因此，确保这些人工智能/机器学习系统不会对任何特定群体或人群产生歧视性决策至关重要。为此，人们正在开发并使用各种开源的偏见检测和缓解软件库（也称为API库）。在本文中，我们进行了一项定性研究，以了解这些开源公平性API在实际应用中的使用场景、使用方式，以及开发者在开发和采用这些库时所面临的各种挑战。我们分析了204个GitHub仓库（来自总共1885个候选仓库），这些仓库使用了13个旨在解决机器学习软件中偏见问题的API。研究发现，这些API主要用于两个目的：学习和解决实际问题

  来源：ACM Transactions on Software Engineering and Methodology

  时间：2025-11-08

• 一种通过卫星图像处理监测水稻生长的新型聚类算法

  摘要在农业领域，水稻作物监测起着至关重要的作用，因为它有助于保障粮食安全。通过遥感技术获取的卫星图像进行水稻作物监测时，遇到的困难包括水资源短缺、化肥成本高昂以及土壤退化等问题。本研究开发了一种基于深度学习方法的聚类算法（DLCA），该算法有助于改进水稻生长情况的识别过程，并提高农业活动的透明度。卷积神经网络（CNN）被用于识别作物生长情况，从而有助于了解特定作物的滴灌系统和水资源短缺问题。实验研究表明，所提出的模型在通过卫星图像监测水稻作物生长、土壤状况、化肥成本以及土壤退化方面表现更为出色。总体而言，实验结果表明，该DLCA方法的错误率较低（为0.03%），准确率高达98.52%，均值精度

  来源：ACM Transactions on Sensor Networks

  时间：2025-11-08

知名企业招聘：