paperbot · PL 论文追踪

全部论文 待读 收藏

P2 From RSE to AI4RSE: A Quadrant Model for AI-Augmented Research Software

从 RSE 到 AI4RSE：面向 AI 增强研究软件的象限模型
ICSE Proceedings of the IEEE/ACM 48th International Conference on Software Engineering2026匹配度 2/10 · 论文关注生成式 AI 对研究软件工程（RSE）的整体框架性影响，属于 AI4SE 的宏观概念讨论，未涉及静态分析、形式化验证、Agentic 程序、浮点程序分析或贝叶斯程序分析等用户核心方向。虽然标签含“机器学习与程序语言”和开发者工具，但摘要与标题未体现具体技术方法或与 PL/AI 交叉的深度工作。引用 0 inbox
Siamak Farshidi, Kwabena Ebo Bennin, Bedir Tekinerdogan
机器学习与程序语言编程环境与开发者工具
crossref: 2026-09-12

AI 速览

一句话：提出“象限模型”，系统刻画 AI（尤其是生成式 AI）如何重塑研究软件工程（RSE）。

人工智能，特别是生成式 AI，正在迅速改变软件被编写、测试与共享的方式；支撑数据分析、仿真与科学发现的研究软件同样难以置身事外。然而，目前学界尚缺乏对 AI 如何重塑研究软件工程（RSE）的系统性理解，而缺少这样的框架，科学结果的可复现性与可持续性将面临风险。本文针对这一问题，提出从 RSE 到 AI4RSE 的“象限模型”，试图为 AI 增强的研究软件建立一套组织性的理解框架，从而为后续研究与工程实践提供共同参照。需要指出的是，摘要仅说明了问题动机与框架构想，未给出模型的具体构建方式、评估方法或实验证据；本文更接近立场与框架性工作。

问题
生成式 AI 正在改变软件的编码、测试与共享方式，研究软件亦受冲击，但缺乏对 AI 如何重塑研究软件工程（RSE）的系统性理解，进而危及科学结果的可复现性与可持续性。
方法
提出从 RSE 到 AI4RSE 的“象限模型”，作为理解与组织 AI 增强研究软件的系统性框架；摘要未描述模型的具体构建与验证过程。
评估
摘要未报告实验、案例研究或实证评估，本文为框架／立场性工作。
原文摘要（Abstract）

Artificial Intelligence (AI), particularly Generative AI (GenAI), is rapidly transforming the way software is coded, tested, and shared. Scientific research software, which underpins data analysis, simulation, and discovery, is not immune to this disruption. Yet we lack a systematic understanding of how AI is reshaping Research Software Engineering (RSE), and without such framing, the reproducibility and sustainability of scientific results are at risk.

链接与引用

DOI 原文 · PDF（开放获取） ·

BibTeX 
@inproceedings{paperbot12070,
  title = {From RSE to AI4RSE: A Quadrant Model for AI-Augmented Research Software},
  author = {Siamak Farshidi and Kwabena Ebo Bennin and Bedir Tekinerdogan},
  booktitle = {ICSE},
  year = {2026},
  doi = {10.1145/3786582.3786838}
}