論文の概要: End-to-End Software Construction using ChatGPT: An Experience Report
- arxiv url: http://arxiv.org/abs/2310.14843v1
- Date: Mon, 23 Oct 2023 12:08:23 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-24 20:27:20.573960
- Title: End-to-End Software Construction using ChatGPT: An Experience Report
- Title(参考訳): ChatGPTを用いたエンドツーエンドソフトウェア構築:経験報告
- Authors: Mauricio Monteiro, Bruno Castelo Branco, Samuel Silvestre, Guilherme
Avelino, Marco Tulio Valente
- Abstract要約: エンド・ツー・エンドのソフトウェア構築の特定の文脈におけるLarge Language Models (LLM)の適用について検討する。
同様のコンテキストで開発者が使用できるプロンプトの4つのカテゴリを文書化します。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we explore the application of Large Language Models (LLMs) in
the particular context of end-to-end software construction, i.e., in contexts
where software developers have a set of requirements and have to design,
implement, test, and validate a new software system. Particularly, we report an
experiment where we asked three software developers to use ChatGPT to fully
implement a Web-based application using mainstream software architectures and
technologies. After that, we compare the apps produced by ChatGPT with a
reference implementation that we manually implemented for our research. As a
result, we document four categories of prompts that can be used by developers
in similar contexts, including initialization prompts, feature requests,
bug-fixing, and layout prompts. Additionally, we discuss the advantages and
disadvantages of two prompt construction approaches: top-down (where we start
with a high-level description of the target software, typically in the form of
user stories) and bottom-up (where we request the construction of the system
feature by feature).
- Abstract(参考訳): 本稿では,大規模言語モデル(LLM)をエンド・ツー・エンドのソフトウェア構築の特定の文脈,すなわちソフトウェア開発者が要件セットを持ち,新しいソフトウェアシステムを設計,実装,テスト,検証しなければならない状況において適用することを検討する。
特に,3人のソフトウェア開発者がChatGPTを使用して,主要なソフトウェアアーキテクチャと技術を使用したWebベースのアプリケーションを完全に実装する実験を報告した。
その後、ChatGPTが作成したアプリと、我々の研究のために手作業で実装したリファレンス実装を比較した。
その結果,初期化プロンプト,機能要求,バグフィックス,レイアウトプロンプトなど,開発者が同じような状況で使用できる4つのカテゴリのプロンプトを文書化した。
さらに、トップダウン(通常はユーザストーリーの形で、ターゲットソフトウェアを高レベルに記述することから始める)とボトムアップ(機能によってシステム機能の構築を要求する)という、2つの迅速な構築アプローチの利点とデメリットについても論じます。
関連論文リスト
- Semantic API Alignment: Linking High-level User Goals to APIs [6.494714497852088]
既存のライブラリを使った要件エンジニアリングから実装まで,複数のステップにまたがるビジョンを提示する。
このアプローチは、セマンティックAPIアライメント(SEAL)と呼ばれ、ユーザの高レベルな目標と1つ以上のAPIの特定の機能とのギャップを埋めることを目的としています。
論文 参考訳(メタデータ) (2024-05-07T11:54:32Z) - Beyond Code Generation: An Observational Study of ChatGPT Usage in Software Engineering Practice [3.072802875195726]
我々は、ChatGPTを1週間の業務で使用している24人のプロのソフトウェアエンジニアについて、観察的研究を行った。
ChatGPTが使えるソフトウェアアーティファクト(例えばコード)を生成することを期待するのではなく、実践者はChatGPTを使ってタスクの解決方法やトピックについてより抽象的な言葉で学ぶことが多い。
論文 参考訳(メタデータ) (2024-04-23T10:34:16Z) - STaRK: Benchmarking LLM Retrieval on Textual and Relational Knowledge Bases [93.96463520716759]
テキストとリレーショナルベース知識に関する大規模半構造検索ベンチマークSTARKを開発した。
多様な情報と複雑なテキスト特性を統合した,自然かつ現実的なユーザクエリを合成する,新しいパイプラインを設計する。
本ベンチマークは,検索システムの性能評価のための総合的なテストベッドとして機能する。
論文 参考訳(メタデータ) (2024-04-19T22:54:54Z) - Automated User Story Generation with Test Case Specification Using Large Language Model [0.0]
要件文書からユーザストーリーを自動生成するツール「GeneUS」を開発した。
アウトプットはフォーマットで提供され、ダウンストリーム統合の可能性は人気のあるプロジェクト管理ツールに開放されます。
論文 参考訳(メタデータ) (2024-04-02T01:45:57Z) - Improving Retrieval in Theme-specific Applications using a Corpus
Topical Taxonomy [52.426623750562335]
ToTER (Topical Taxonomy Enhanced Retrieval) フレームワークを紹介する。
ToTERは、クエリとドキュメントの中心的なトピックを分類学のガイダンスで識別し、そのトピックの関連性を利用して、欠落したコンテキストを補う。
プラグイン・アンド・プレイのフレームワークとして、ToTERは様々なPLMベースのレトリバーを強化するために柔軟に使用できる。
論文 参考訳(メタデータ) (2024-03-07T02:34:54Z) - T-RAG: Lessons from the LLM Trenches [8.480136267111762]
大規模言語モデル(LLM)は、それらをアプリケーションに統合しようとする試みを加速させる顕著な言語能力を示している。
Retrieval-Augmented Generation (RAG)は、LLMベースのアプリケーションを構築するための最も顕著なフレームワークである。
プライベートな組織文書に対する質問応答のためのLLMアプリケーションの構築とデプロイの経験を共有します。
論文 参考訳(メタデータ) (2024-02-12T08:45:08Z) - Interpreting User Requests in the Context of Natural Language Standing
Instructions [89.12540932734476]
我々は17のドメインにまたがる2.4K以上の対話からなる言語とプログラムのデータセットであるNLSIを開発した。
NLSIの鍵となる課題は、ある対話に適用可能なスタンディング命令のサブセットを特定することである。
論文 参考訳(メタデータ) (2023-11-16T11:19:26Z) - Communicative Agents for Software Development [79.86905471184195]
ChatDevはチャットを利用した仮想ソフトウェア開発会社で、確立したウォーターフォールモデルを反映している。
各ステージは、プログラマ、コードレビュアー、テストエンジニアといった"ソフトウェアエージェント"のチームが参加し、協調的な対話を促進する。
ChatDevは潜在的な脆弱性を特定し、信頼できる効率とコスト効率を維持しながら幻覚を正す。
論文 参考訳(メタデータ) (2023-07-16T02:11:34Z) - ChatGPT Prompt Patterns for Improving Code Quality, Refactoring,
Requirements Elicitation, and Software Design [1.6332728502735252]
本稿では,大規模言語モデル(LLM)を用いた場合の共通問題の解決を目的とした,ソフトウェア工学のための迅速な設計手法を提案する。
まず、ソフトウェアエンジニアリングのためのパターンのカタログを提供し、それらが解決する問題のタイプに応じてパターンを分類する。
第二に、要求の誘発、迅速なプロトタイピング、コード品質、システム設計を改善するために適用されたいくつかのプロンプトパターンについて調べる。
論文 参考訳(メタデータ) (2023-03-11T14:43:17Z) - Lessons from Formally Verified Deployed Software Systems (Extended version) [65.69802414600832]
本稿は、正式に認証されたシステムを作成し、実際に使用するためにデプロイした各種のアプリケーション分野のプロジェクトについて検討する。
使用する技術、適用の形式、得られた結果、そしてソフトウェア産業が形式的な検証技術やツールの恩恵を受ける能力について示すべき教訓を考察する。
論文 参考訳(メタデータ) (2023-01-05T18:18:46Z) - Leveraging Language to Learn Program Abstractions and Search Heuristics [66.28391181268645]
LAPS(Language for Abstraction and Program Search)は、自然言語アノテーションを用いて、ライブラリとニューラルネットワークによる合成のための検索モデルの共同学習をガイドする手法である。
最先端のライブラリ学習システム(DreamCoder)に統合されると、LAPSは高品質なライブラリを生成し、検索効率と一般化を改善する。
論文 参考訳(メタデータ) (2021-06-18T15:08:47Z)
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。