في عالم يُسرع فيه الابتكار، تأتي تقنية ReqGenX لتحدث تحولاً غير مسبوق في طريقة إدارة مستندات المواصفات البرمجية (Software Requirements Specification - SRS). يشكل تقييم توليد المواصفات البرمجية المعتمدة على الذكاء الاصطناعي تحديًا كبيرًا بسبب نقص datasets التي تقدم تتبعًا دقيقًا بين متطلبات المصدر والمخرجات.

تسعى هذه الدراسة لإيجاد حل لهذا التحدي، حيث تم استخدام تقنية ReqGenX لتحويل مستندات SRS القديمة إلى مواد متناهية التتبع تدعم تقييمًا دقيقًا لعملية توليد المواصفات. تعتمد العملية على تخليط البيانات (decomposition) إلى بيانات أساسية 'atomics'، ومن ثم يتم توجيهها إلى أنواع متعددة من المواد عبر تصويت يعتمد على عدة نماذج لغوية (LLM).

تعتبر نتائج التجربة واعدة، حيث أظهرت أن تقنية ReqGenX تنتج بيانات أساسية دقيقة وقابلة للاستخدام، حيث تتراوح قيم AlignScore بين 0.96 و 0.99. كما تمت المحافظة على ترابط قوي مع البيانات الأصلية، مما يشير إلى أن المواد الناتجة تحتفظ بمعظم المعلومات المهمة.

في دراسات حالة لاحقة، أظهرت المواد المدعومة أنها قابلة للاسترجاع من المواصفات المولدة، مما يفتح الباب لتطبيقات جديدة في صياغة المتطلبات البرمجية عند استخدام الذكاء الاصطناعي. تظهر هذه النتائج أن استراتيجيات التحويل المدعومة بالذكاء الاصطناعي يمكن أن تمنح المطورين أدوات جديدة فعالة، مما يعزز مصداقية وجودة العمليات البرمجية.