近年来自承认技术债（ Self-Admitted Technical Debt，SATD ）已成为软件维护与演进研究的热点。SATD 不仅来源多样，包括代码注释、拉取请求、提交记录与 GitHub issue 等；同时类别繁多，涵盖架构债、构建债、代码债、缺陷债、设计债、文档债、需求债和测试债等。然而，现有方法往往只针对单一来源或有限类别，且由于数据分布极度不均衡而难以取得理想性能。

南京大学语言智能处理实验室（ LIPLAB ）博士生李卿源、尹志欣和杨耀鹏等针对上述瓶颈，提出了一种名为 IMPACT 的 SATD 识别与分类框架，如图 1 所示。研究主要贡献包括：

（1）ChatGPT 驱动的数据增强方法

通过多轮对话式提示，利用 ChatGPT 生成与原始 SATD 语句语义等价且保留特殊标记的变体。显著扩充了数据的规模，并且平衡了数据集分布。

（2）双模型流水线框架，分离识别与分类任务

设计了两阶段的 SATD 识别和分类框架 IMPACT：第一阶段采用 MT-MoE-BERT（ Multi - task Mixture - of - Experts BERT）对多源 SATD 进行二分类识别，节约计算资源且性能良好。第二阶段使用 GLM - 4 - 9B - Chat 结合少量示例的 In-Context Learning，对识别出的 SATD 进行八分类，提升了分类精度。

（3）大规模、多语言、跨来源地系统性评估

         实验采用了主流指标，并对多种主流方法展开对比评测，并在跨项目测试集（ 包括 Gradle、Maven、Spring 等未见项目 ）上验证了 IMPACT 的泛化能力。

（4）显著性能提升

IMPACT 在原始测试集上平均 F1 达到了 0.876，在最具挑战性的 Pull Request 来源下也取得 0.697 的优异表现，大幅超越现有最先进方法和其基础模型，并在跨项目测试集上保持了优异的泛化能力（ F1 达到了 0.813 ）。

图1：IMPACT的流程图

该研究工作由李传艺、葛季栋老师指导完成，成果已被软件工程领域顶级期刊《 ACM Transactions on Software Engineering and Methodology 》（ TOSEM，CCF A 类 ）录用，葛季栋老师为通讯作者。未来，团队将继续深入探究面向不同场景的自承认技术债识别与分类，以及技术债的偿还，欢迎对自承认技术债感兴趣的研究人员持续关注LIPLAB最新研究进展（ http://liplab.site  ）。