机构名称：
¥ 7.0
大型语言模型（LLM）严重影响了许多域，包括软件工程（SE）。许多最近的出版物探索了适用于各种SE任务的LLMS。尽管如此，对LLMS在SE上的应用，效果和可能的局限性的全面理解仍处于早期阶段。为了弥合这一差距，我们对LLM4SE进行了系统的文献综述（SLR），特别着眼于了解如何利用LLM来利用LLM来优化过程和结果。我们从2017年1月至2024年1月选择并分析了395篇研究论文，以回答四个关键的研究问题（RQS）。在RQ1中，我们对已在SE任务中使用的不同LLM进行了分类，从而表征其独特的功能和用途。在RQ2中，我们分析了数据收集，预处理和应用中使用的方法，突出了良好策划数据集用于成功LLM进行SE实现的作用。RQ3研究了用于优化和评估SE中LLMS性能的策略。 最后，RQ4研究了LLM迄今为止成功的特定SE任务，以说明其对现场的实际贡献。 从这些RQ的答案中，我们讨论了当前的最新和趋势，确定现有研究中的差距，并为未来的研究标记有希望的领域。 我们的文物可在https://github.com/xinyi-hou/llm4se_slr上公开获得。RQ3研究了用于优化和评估SE中LLMS性能的策略。最后，RQ4研究了LLM迄今为止成功的特定SE任务，以说明其对现场的实际贡献。从这些RQ的答案中，我们讨论了当前的最新和趋势，确定现有研究中的差距，并为未来的研究标记有希望的领域。我们的文物可在https://github.com/xinyi-hou/llm4se_slr上公开获得。
软件工程的大型语言模型
主要关键词
相关文件推荐
