O Grupo de Engenharia de Software e Sistemas Distribuídos (GESAD) teve o artigo "Avaliação de Grandes Modelos de Linguagem na Classificação de Diferentes Tipos de Dívida Técnica no Stack Overflow" aceito no Workshop ISE (Intelligent Software Engineering). Isso demonstra o reconhecimento da qualidade das pesquisas desenvolvidas pelo grupo, além de destacar sua contribuição relevante na aplicação de técnicas avançadas de Inteligência Artificial para desafios reais da Engenharia de Software. A aceitação do trabalho reforça o protagonismo do GESAD em investigações sobre o uso de modelos de linguagem na identificação e análise de Dívida Técnica em ambientes colaborativos, como o Stack Overflow, consolidando sua presença em eventos de prestígio na área. 

Um artigo recente feito por integrantes do Grupo de Engenharia de Software e Sistemas Distribuídos (GESAD) avaliou o desempenho de Large Language Models (LLMs) na tarefa de identificar Dívida Técnica (Technical Debt - TD) em conversas extraídas do Stack Overflow — uma das maiores plataformas de perguntas e respostas sobre programação do mundo. A pesquisa comparou os LLMs com métodos convencionais de Machine Learning e revelou que os modelos mais modernos se destacam na classificação de diferentes tipos de TD nesse tipo de interação técnica.

Os resultados mostram que os LLMs apresentaram um desempenho significativamente superior, reforçando sua eficácia na análise de linguagem natural aplicada ao desenvolvimento de software. O estudo aponta esses modelos como ferramentas promissoras para auxiliar na detecção automática de indícios de Dívida Técnica em ambientes colaborativos como o Stack Overflow.