🤖 AI

Automating the Detection of Requirement Dependencies Using Large Language Models

Este artículo presenta LEREDD, un enfoque basado en Modelos de Lenguaje Grandes (LLM) que utiliza Aprendizaje en Contexto y Generación Aumentada por Recuperación para automatizar la detección precisa de dependencias entre requisitos en lenguaje natural, superando a métodos anteriores y proporcionando un nuevo conjunto de datos anotado para la investigación futura.

Autores originales: Ikram Darif, Feifei Niu, Manel Abdellatif, Lionel C. Briand, Ramesh S., Arun Adiththan

Publicado 2026-02-27

📖 4 min de lectura☕ Lectura para el café

CC BY 4.0

Autores originales: Ikram Darif, Feifei Niu, Manel Abdellatif, Lionel C. Briand, Ramesh S., Arun Adiththan

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

¡Claro que sí! Imagina que este paper es como una historia sobre cómo organizar un caos gigante en una fábrica de coches, pero en lugar de piezas de metal, estamos hablando de instrucciones escritas.

Aquí tienes la explicación de la investigación sobre LEREDD, traducida a un lenguaje sencillo y con analogías divertidas:

🚗 El Problema: El Caos de las Instrucciones

Imagina que eres el jefe de una fábrica de coches. Tienes un manual de instrucciones (llamado "Requisitos") que es tan largo como una novela de 1000 páginas. En este manual hay miles de frases como: "El coche debe frenar si ve un perro" o "El sistema de luces debe encenderse al anochecer".

El problema es que estas frases no viven solas; están conectadas.

Si cambias la frase de "frenar", quizás afecte a la frase de "luces".
A veces, dos frases se pelean entre sí (una dice "frena rápido" y otra "acelera rápido").
A veces, una frase es solo un detalle de otra.

En el mundo real, los ingenieros tienen que leer todo esto a mano para ver qué está conectado con qué. Es como intentar encontrar agujas en un pajar, pero las agujas son de colores y el pajar es enorme. Es lento, aburrido y la gente comete errores porque se cansa.

🤖 La Solución: LEREDD (El Detective con Memoria)

Los autores del paper crearon un nuevo detective llamado LEREDD. No es un humano, es una Inteligencia Artificial muy avanzada (un "Modelo de Lenguaje Grande" o LLM), pero con un truco especial.

Imagina que LEREDD es un detective privado que tiene dos superpoderes:

El Poder de la Biblioteca (RAG):
Imagina que le das al detective dos frases para comparar. En lugar de adivinar, el detective corre a su biblioteca (el documento completo del coche) y busca el contexto.
- Ejemplo: Si la frase dice "El sistema BCS debe activarse", el detective busca en la biblioteca y descubre que "BCS" significa "Sistema de Frenado". ¡Ahora entiende que la frase tiene que ver con frenar! Sin esto, el detective estaría adivinando.
El Poder de los Ejemplos (ICL):
El detective también tiene un cuaderno de notas con casos anteriores. Antes de juzgar las nuevas frases, mira en su cuaderno: "¿Cómo resolvimos casos parecidos antes?".
- Si vio antes que "Frenar" y "Luces de freno" estaban conectados, usará esa experiencia para entender el nuevo caso.

🔍 ¿Qué descubrieron? (Los Resultados)

Los investigadores probaron a LEREDD contra otros métodos tradicionales (como buscar palabras clave o usar matemáticas simples) y contra otros detectives de IA que no tenían ayuda.

Aquí está lo que pasó, explicado con analogías:

El Detective Solitario (Zero-Shot): Cuando le dieron a la IA el trabajo sin darle la biblioteca ni el cuaderno de notas, fue bastante malo. A veces decía que dos frases estaban conectadas cuando no lo estaban, y a veces ignoraba conexiones importantes. Era como intentar adivinar el final de una película sin haberla visto.
El Detective con Ayuda (LEREDD): Cuando le dieron la biblioteca y los ejemplos, ¡fue increíble!
- Precisión: Acertó el 93% de las veces.
- El Gran Truco: Lo mejor que hizo fue decirte cuándo NO había conexión. Imagina que tienes 1000 pares de frases. LEREDD pudo filtrar rápidamente 600 de ellas diciendo: "Estas dos no tienen nada que ver, no pierdan el tiempo". Esto ahorra muchísimo tiempo a los humanos.
- Detalles Finos: Para las conexiones difíciles (como "Requiere" o "Implementa"), LEREDD fue un 100% mejor que los métodos antiguos.

🌍 ¿Funciona en otros lugares? (Prueba Cruzada)

Una de las pruebas más difíciles fue ver si LEREDD funcionaba si lo entrenaban con datos de un coche (digamos, un Ford) y luego lo ponían a trabajar en un coche totalmente diferente (un Tesla).

Los métodos antiguos (como el "Detective BERT") se confundieron mucho y fallaron.
LEREDD mantuvo su nivel. Fue como si el detective pudiera adaptar su lógica de "cómo funcionan los coches" a cualquier marca nueva sin necesidad de volver a estudiar desde cero.

💡 En Resumen

Este paper nos dice que:

Las instrucciones de software son un lío y conectarlas a mano es difícil.
La Inteligencia Artificial sola no es suficiente; necesita contexto (la biblioteca) y ejemplos (el cuaderno).
LEREDD es la herramienta ganadora porque combina ambos. Actúa como un experto que lee el manual completo y recuerda casos pasados para tomar decisiones inteligentes.
El mayor beneficio: Ahorra tiempo. Al saber rápidamente qué no está conectado, los ingenieros pueden centrarse solo en lo que realmente importa.

Es como pasar de buscar agujas en un pajar a tener un imán gigante que separa la paja de las agujas en un segundo. ¡Una gran ayuda para el futuro de los coches y el software! 🚗✨

Resumen Técnico: LEREDD

1. El Problema

En los sistemas de software modernos, los requisitos de ingeniería (RE) son inherentemente interconectados mediante diversos tipos de dependencias (ej. "Requiere", "Implementa", "Conflicta"). Identificar estas dependencias es crucial para el análisis de impacto, la consistencia del sistema y la gestión de cambios. Sin embargo, este proceso presenta desafíos significativos:

Ambigüedad y Volumen: Los requisitos se escriben en Lenguaje Natural (NL), lo que introduce ambigüedad, y los sistemas modernos contienen un alto volumen de requisitos complejos y acoplados.
Limitaciones de los Enfoques Actuales:
- Búsqueda basada en información (IR): Se limitan a representaciones vectoriales fijas y no capturan el contexto específico del dominio.
- Enfoques basados en conocimiento: Requieren ontologías costosas y difíciles de mantener.
- Aprendizaje Automático (ML): Necesitan grandes conjuntos de datos etiquetados y luchan con el desequilibrio de clases (los requisitos independientes son mucho más numerosos que los dependientes).
Brecha en la Investigación: Aunque los Modelos de Lenguaje Grande (LLMs) han demostrado éxito en otras tareas de RE, su efectividad para la detección automática de dependencias de requisitos no ha sido explorada exhaustivamente.

2. Metodología: LEREDD

Los autores proponen LEREDD (LLM-Enabled REquirement Dependency Detection), un enfoque automatizado que combina Generación Aumentada por Recuperación (RAG) y Aprendizaje en Contexto (ICL) para detectar dependencias directamente entre pares de requisitos en NL.

Arquitectura del Framework:
El proceso se divide en dos fases principales:

Fase 1: Recuperación de Conocimiento
- Recuperación Contextual (RAG): Extrae información específica del dominio del documento de Especificación de Requisitos de Software (SRS). Se utiliza una estrategia de fragmentación (chunking) fija para recuperar los bloques semánticamente más similares (contexto del sistema, arquitectura, interacciones) y proporcionarlos al modelo.
- Recuperación de Ejemplos Dinámicos (ICL): Selecciona ejemplos relevantes de un conjunto de datos anotado. Utiliza el modelo SBERT para generar embeddings y una métrica de similitud (Euclidiana o Coseno) para encontrar pares de requisitos similares para cada tipo de dependencia y el caso de "sin dependencia". Se recuperan dinámicamente los $k$ ejemplos más similares para cada tipo.
Fase 2: Inferencia de Dependencia
- Se utiliza un LLM (en los experimentos, GPT-4.1 demostró el mejor rendimiento) con un prompt estructurado que incluye:
  1. El par de requisitos a analizar.
  2. Definiciones formales de los tipos de dependencia (Requiere, Implementa, Conflicta, Contradice, Detalles, Similar, Variante).
  3. El contexto del dominio recuperado (RAG).
  4. Ejemplos de entrenamiento en contexto (ICL).
- Salida: El modelo genera tres elementos: (1) La predicción del tipo de dependencia (o "No_dependency"), (2) Una justificación racional (rationale) y (3) Un puntaje de confianza (escala Likert 0-5). Esto fomenta el razonamiento y reduce las alucinaciones.

3. Contribuciones Clave

Framework LEREDD: Un nuevo enfoque que integra RAG e ICL para superar las limitaciones de los LLMs en cero disparos (zero-shot) y los modelos tradicionales de ML en la detección de dependencias.
Conjunto de Datos Anotado: Creación y liberación de un corpus público con 813 pares de requisitos anotados manualmente a través de tres sistemas automotrices distintos (Traffic Jam Assist, Automated Parking Assist, Adaptive Driving Beam). Esto aborda la escasez de datos públicos para esta tarea.
Evaluación Exhaustiva: Comparación rigurosa contra dos líneas base del estado del arte (TF-IDF + LSA y BERT ajustado finamente) en escenarios intra-conjunto de datos y cruzados entre conjuntos de datos.

4. Resultados Experimentales

Los resultados se evaluaron en tres sistemas automotrices utilizando métricas de precisión, recuperación y F1-score.

RQ1 (Selección de Modelo): En configuración zero-shot, GPT-4.1 superó a otros modelos (Llama 3.1, Gemma, Mistral), aunque tuvo dificultades con tipos de dependencias finos.
RQ2 (Estrategia de Prompting): La combinación de Few-Shot (4 ejemplos por tipo) + RAG (10 fragmentos de 500 caracteres) con SBERT y métrica Euclidiana logró el mejor rendimiento.
RQ3 (Evaluación Intra-Dataset):
- LEREDD alcanzó una precisión promedio del 92.66% y un F1-score promedio del 84.33%.
- Destacó en la clase "No Dependency" (F1 = 0.96), crucial para filtrar pares irrelevantes.
- Superó significativamente a las líneas base: mejoras relativas del 94.87% y 105.41% en F1 para la dependencia "Requiere" frente a las líneas base.
RQ4 (Evaluación Cruzada entre Conjuntos de Datos):
- LEREDD demostró una robustez superior al cambiar de sistema de entrenamiento a sistema de prueba. Mientras que BERT ajustado finamente sufrió una caída drástica en el rendimiento (desequilibrio de clases y sobreajuste), LEREDD mantuvo un F1-score alto (promedio 0.76), demostrando su capacidad de generalización sin necesidad de reentrenamiento masivo.

5. Significado e Impacto

Reducción de Esfuerzo Manual: La capacidad de LEREDD para identificar con alta precisión (F1=0.96) los pares de requisitos que no tienen dependencia permite a los ingenieros filtrar automáticamente la gran mayoría de los casos, reduciendo drásticamente el tiempo y costo del análisis manual.
Superioridad sobre ML Tradicional: A diferencia de los modelos de ML que requieren grandes cantidades de datos etiquetados y sufren con el desequilibrio de clases, LEREDD utiliza el razonamiento inferencial de los LLMs potenciado por contexto, logrando un rendimiento estable incluso con datos limitados.
Viabilidad Industrial: El enfoque es aplicable a entornos reales donde los datos anotados de un nuevo sistema pueden no estar disponibles, ya que LEREDD puede adaptarse mediante la recuperación de ejemplos de sistemas similares.
Reproducibilidad: La publicación del código, configuraciones y el conjunto de datos anotados facilita la investigación futura y la validación de resultados en la comunidad de Ingeniería de Requisitos.

En conclusión, el artículo demuestra que los LLMs, cuando se guían adecuadamente mediante RAG y ejemplos en contexto, superan a las técnicas actuales para la detección de dependencias de requisitos, ofreciendo una solución escalable, precisa y robusta para la ingeniería de software moderna.