ソフトウェア工学のための大規模言語モデル：体系的文献レビュー

大規模言語モデル（LLM）は、ソフトウェア工学（SE）を含む多くの分野に大きな影響を与えています。最近の多くの論文では、さまざまなSEタスクに応用されたLLMが検討されています。しかしながら、SEにおけるLLMの応用、効果、および考えられる制約についての包括的な理解はまだ初期段階にあります。このギャップを埋めるために、LLM4SEに関する体系的文献レビュー（SLR）を行い、LLMがどのようにプロセスと成果を最適化するために活用できるかを特に焦点として調査しました。2017年1月から2024年1月までの395件の論文を選定・分析し、4つの主要な研究質問（RQ）に答えました。RQ1では、SEタスクに用いられた異なるLLMを分類し、それらの特徴と用途を特徴付けます。RQ2では、データ収集、前処理、適用に用いられた方法を分析し、成功するLLM for SE実装のための精選されたデータセットの役割を強調します。RQ3は、SEにおけるLLMの性能を最適化および評価するための戦略を調査します。最後にRQ4では、LLMがこれまで成功を示した具体的なSEタスクを考察し、その実践的な貢献を明らかにします。これらのRQへの回答から、最新の動向と状態を論じ、既存研究のギャップを特定し、将来の研究に有望な分野を示しています。関連成果物はhttps://github.com/xinyi-hou/LLM4SESLRにて公開しています。