推測と探究：インタラクティブな検索拡張優先度提起を通じたソフトウェア性能要件の定量化

arXiv:2604.21380v1 Announce Type: cross 摘要：ソフトウェア性能要件は自然言語で文書化されているため、それらを数学的な形式に変換することはソフトウェア工学にとって不可欠です。しかし、性能要件における曖昧さおよび人間の認知的不確実性は、解釈における高度な不確実性を生み出し、それらの自動的な定量化は未解決かつ困難な問題となっています。本研究では、この問題を形式化し、インタラクティブな検索拡張優先度提起（IRAP）を提案します。IRAP は、特定の問題の知識に基づいて優先度を検索・推論を明示的に導出することで、ステークホルダーとの漸進的な対話を導き出しながら認知負荷を削減する点が他と異なります。10 の最先端手法を対象とした 4 つの現実データセットにおける実験結果は、IRAP がすべてのケースで優位性を示し、少なくとも 5 回の対話でも最大 40 倍の向上をもたらすことを示しています。

arXiv:2604.21380v1 Announce Type: cross Abstract: Since software performance requirements are documented in natural language, quantifying them into mathematical forms is essential for software engineering. Yet, the vagueness in performance requirements and uncertainty of human cognition have caused highly uncertain ambiguity in the interpretations, rendering their automated quantification an unaddressed and challenging problem. In this paper, we formalize the problem and propose IRAP, an approach that quantifies performance requirements into mathematical functions via interactive retrieval-augmented preference elicitation. IRAP differs from the others in that it explicitly derives from problem-specific knowledge to retrieve and reason the preferences, which also guides the progressive interaction with stakeholders, while reducing the cognitive overhead. Experiment results against 10 state-of-the-art methods on four real-world datasets demonstrate the superiority of IRAP on all cases with up to 40x improvements under as few as five rounds of interactions.