ReqGenX：遗留 SRS 文档的原子分解、工件再生和重建的实证研究

背景：评估自动化软件需求规范 (SRS) 生成具有挑战性，因为很少有数据集提供源需求、中间引出工件和生成的规范之间的细粒度可追溯性。目标：我们的目标是研究遗留 SRS 文档是否可以转换为可追踪的合成预 SRS 工件，以支持对基于 LLM 的 SRS 生成进行细粒度评估。方法：我们使用 ReqGenX 进行实证研究，ReqGenX 是一种受控管道，可将 SRS 部分分解为基于源的原子语句，通过多个 LLM 多数投票将原子路由到标准启发的工件类型，并使用约束提示和迭代判断引导细化来生成工件。我们使用基础、质量、信息保留和下游重建分析在七个 PURE SRS 文档上评估 ReqGenX。结果：ReqGenX 生成忠实且可用的原子，AlignScore 中值通常在 0.96 到 0.99 之间，Prometheus 分数在 4.34 到 4.85 之间。生成的工件仍然牢固地扎根于其源原子，AlignScore 值通常在 0.80--0.94 之间，判断通过率接近 100%；更严格的 Prometheus 评估通过率从 54.8% 提高到 97.1%。在下游 SRS 重建案例研究中，伪影支持的原子仍然可以从生成的 SRS 中恢复，SBERT 平均值在 0.69 到 0.75 之间，AlignScore 中位数在 0.76 到 0.84 之间。结论：可追踪的合成 pre-SRS 工件可以支持对基于 LLM 的 SRS 生成进行更细粒度的评估，同时暴露 忠实性、信息保留和工件完整性之间的权衡。