論文の概要: Towards Code Generation from BDD Test Case Specifications: A Vision
- arxiv url: http://arxiv.org/abs/2305.11619v1
- Date: Fri, 19 May 2023 11:54:52 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-22 14:37:54.328262
- Title: Towards Code Generation from BDD Test Case Specifications: A Vision
- Title(参考訳): BDDテストケース仕様からのコード生成に向けて: ビジョン
- Authors: Leon Chemnitz, David Reichenbach, Hani Aldebes, Mariam Naveed, Krishna
Narasimhan, Mira Mezini
- Abstract要約: 本稿では、人気のあるAngularフレームワークの入力として仕様を生成するための新しいアプローチを紹介する。
私たちのアプローチは、ソフトウェアの品質を高めながら、Webアプリケーションに必要な開発時間を劇的に短縮することを目的としています。
- 参考スコア(独自算出の注目度): 0.9137351242229175
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Automatic code generation has recently attracted large attention and is
becoming more significant to the software development process. Solutions based
on Machine Learning and Artificial Intelligence are being used to increase
human and software efficiency in potent and innovative ways. In this paper, we
aim to leverage these developments and introduce a novel approach to generating
frontend component code for the popular Angular framework. We propose to do
this using behavior-driven development test specifications as input to a
transformer-based machine learning model. Our approach aims to drastically
reduce the development time needed for web applications while potentially
increasing software quality and introducing new research ideas toward automatic
code generation.
- Abstract(参考訳): 自動コード生成は最近大きな注目を集め、ソフトウェア開発プロセスにおいてより重要になっている。
機械学習と人工知能に基づくソリューションは、強力で革新的な方法で人間とソフトウェアの効率を高めるために使われています。
本稿では、これらの開発を活用し、人気のあるAngularフレームワーク用のフロントエンドコンポーネントコードを生成する新しいアプローチを提案する。
トランスフォーマーベースの機械学習モデルへの入力として,行動駆動開発テスト仕様を用いてこれを行う。
提案手法は,Webアプリケーションに必要な開発時間を劇的に短縮するとともに,ソフトウェア品質を向上し,自動コード生成に向けた新たな研究アイデアを導入することを目的としている。
関連論文リスト
- Bot-Driven Development: From Simple Automation to Autonomous Software Development Bots [10.364014177847201]
ボット駆動開発(BotDD)は、ボットがコーディング、テスト、プロジェクト管理において積極的な役割を負う、変革的なシフトである。
本稿では,ボット駆動開発が従来の開発役割,特にドライバ・ナビゲータのダイナミクスにどのように影響するかを考察する。
本稿では,ボット駆動開発における課題に対処する研究課題として,開発者のためのスキル開発,ヒューマン・ボット・トラスト・ダイナミクス,最適割り込み頻度,倫理的考察を提案する。
論文 参考訳(メタデータ) (2024-11-25T05:21:23Z) - Dear Diary: A randomized controlled trial of Generative AI coding tools in the workplace [2.5280615594444567]
ジェネレーティブAIコーディングツールは比較的新しいもので、開発者への影響は従来のコーディングメトリクスを超えて拡大している。
本研究の目的は、生成型AIツールに関する既存の信念、自己認識、そしてこれらのツールの定期的な使用がこれらの信念をどう変えるかを明らかにすることである。
その結果,ジェネレーティブなAIコーディングツールの導入と持続的使用は,これらのツールが有用かつ楽しいものであるという開発者の認識を著しく高めていることが明らかとなった。
論文 参考訳(メタデータ) (2024-10-24T00:07:27Z) - Agent-Driven Automatic Software Improvement [55.2480439325792]
本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。
継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。
我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
論文 参考訳(メタデータ) (2024-06-24T15:45:22Z) - The Future of Scientific Publishing: Automated Article Generation [0.0]
本研究では,Python コードからの学術論文の自動生成を目的とした,大規模言語モデル(LLM)プロンプトを活用した新しいソフトウェアツールを提案する。
Pythonは基本的な概念実証として機能するが、基盤となる方法論とフレームワークは、さまざまなGitHubリポジトリにまたがる適応性を示している。
この開発は高度な言語モデルエージェントに頼らずに達成され、一貫性と総合的な学術的コンテンツの自動生成において高い忠実性を確保した。
論文 参考訳(メタデータ) (2024-04-11T16:47:02Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳(メタデータ) (2024-01-11T15:02:15Z) - Exploring the intersection of Generative AI and Software Development [0.0]
生成AIとソフトウェアエンジニアリングの相乗効果は、変革的なフロンティアとして現れます。
このホワイトペーパーは、探索されていない領域に展開し、生成的AI技術がソフトウェア開発にどのように革命をもたらすかを解明する。
これはステークホルダーのためのガイドとして機能し、ソフトウェア工学における生成AIの適用に関する議論と実験を促している。
論文 参考訳(メタデータ) (2023-12-21T19:23:23Z) - A Machine Learning Approach Towards SKILL Code Autocompletion [6.586356094533907]
本研究は,ハードウェア設計技術者の生産性向上に向けて,SKILLコードオートコンプリートにトランスフォーマーを適用した最初の事例である。
ラベル付きデータとラベル付きデータの両方で高品質なSKILLデータセットを作成するための新しい手法を提案する。
提案手法を用いて訓練されたモデルは,人間の判断スコアとBLEUスコアにおいて,ベースラインよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-12-04T14:29:28Z) - Active Predicting Coding: Brain-Inspired Reinforcement Learning for
Sparse Reward Robotic Control Problems [79.07468367923619]
ニューラルジェネレーティブ・コーディング(NGC)の神経認知計算フレームワークによるロボット制御へのバックプロパゲーションフリーアプローチを提案する。
我々は、スパース報酬から動的オンライン学習を容易にする強力な予測符号化/処理回路から完全に構築されたエージェントを設計する。
提案するActPCエージェントは,スパース(外部)報酬信号に対して良好に動作し,複数の強力なバックプロップベースのRLアプローチと競合し,性能が優れていることを示す。
論文 参考訳(メタデータ) (2022-09-19T16:49:32Z) - CodeRL: Mastering Code Generation through Pretrained Models and Deep
Reinforcement Learning [92.36705236706678]
CodeRLは、事前訓練されたLMと深層強化学習によるプログラム合成タスクのための新しいフレームワークである。
推論中、我々は重要なサンプリング戦略を持つ新しい生成手順を導入する。
モデルバックボーンについては,CodeT5のエンコーダデコーダアーキテクチャを拡張し,学習目標を拡張した。
論文 参考訳(メタデータ) (2022-07-05T02:42:15Z) - Enabling Automated Machine Learning for Model-Driven AI Engineering [60.09869520679979]
モデル駆動型ソフトウェアエンジニアリングとモデル駆動型AIエンジニアリングを実現するための新しいアプローチを提案する。
特に、私たちはAutomated MLをサポートし、AI集約システムの開発において、AIの深い知識のないソフトウェアエンジニアを支援します。
論文 参考訳(メタデータ) (2022-03-06T10:12:56Z) - AI-based Modeling and Data-driven Evaluation for Smart Manufacturing
Processes [56.65379135797867]
本稿では,半導体製造プロセスに関する有用な知見を得るための動的アルゴリズムを提案する。
本稿では,遺伝的アルゴリズムとニューラルネットワークを利用して,知的特徴選択アルゴリズムを提案する。
論文 参考訳(メタデータ) (2020-08-29T14:57:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。