論文の概要: Empowering Agile-Based Generative Software Development through Human-AI Teamwork

• arxiv url: http://arxiv.org/abs/2407.15568v1
• Date: Mon, 22 Jul 2024 11:54:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-07-23 15:11:26.806488
• Title: Empowering Agile-Based Generative Software Development through Human-AI Teamwork
• Title（参考訳）: ヒューマンAIチームワークによるアジャイルベースの生成ソフトウェア開発の強化
• Authors: Sai Zhang, Zhenchang Xing, Ronghui Guo, Fangzhou Xu, Lei Chen, Zhaoyuan Zhang, Xiaowang Zhang, Zhiyong Feng, Zhiqiang Zhuang,
• Abstract要約: 我々は、人間-AIチームワークによるアジャイルベースの生成ソフトウェア開発であるAgileGenを提案する。 メモリプールメカニズムは、ユーザの意思決定シナリオを収集し、それらを新しいユーザに推奨するために使用される。
• 参考スコア（独自算出の注目度）: 24.743864861980803
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In software development, the raw requirements proposed by users are frequently incomplete, which impedes the complete implementation of application functionalities. With the emergence of large language models, recent methods with the top-down waterfall model employ a questioning approach for requirement completion, attempting to explore further user requirements. However, users, constrained by their domain knowledge, lack effective acceptance criteria, which fail to capture the implicit needs of the user. Moreover, the cumulative errors of the waterfall model can lead to discrepancies between the generated code and user requirements. The Agile methodologies reduce cumulative errors through lightweight iteration and collaboration with users, but the challenge lies in ensuring semantic consistency between user requirements and the code generated. We propose AgileGen, an agile-based generative software development through human-AI teamwork. AgileGen attempts for the first time to use testable requirements by Gherkin for semantic consistency between requirements and code. Additionally, we innovate in human-AI teamwork, allowing users to participate in decision-making processes they do well and enhancing the completeness of application functionality. Finally, to improve the reliability of user scenarios, a memory pool mechanism is used to collect user decision-making scenarios and recommend them to new users. AgileGen, as a user-friendly interactive system, significantly outperformed existing best methods by 16.4% and garnered higher user satisfaction.
• Abstract（参考訳）: ソフトウェア開発では、ユーザが提案する生の要件はしばしば不完全であり、アプリケーション機能の完全な実装を妨げる。 大規模言語モデルの出現に伴い、トップダウンのウォーターフォールモデルを用いた最近の手法では、要求完了のために疑問を呈するアプローチを採用し、さらなるユーザ要求を探究する。 しかし、ドメイン知識に制約されたユーザは、効果的な受け入れ基準を欠いているため、ユーザの暗黙的なニーズを捉えることができない。 さらに、ウォーターフォールモデルの累積誤差は、生成されたコードとユーザ要求の相違につながる可能性がある。 アジャイルの方法論は、軽量なイテレーションとユーザとのコラボレーションを通じて累積的なエラーを低減しますが、課題は、ユーザ要求と生成されたコード間のセマンティックな一貫性を確保することです。 我々は、人間-AIチームワークによるアジャイルベースの生成ソフトウェア開発であるAgileGenを提案する。 AgileGenは、要件とコード間のセマンティックな一貫性のために、Gherkin氏によるテスト可能な要件を初めて使用しようと試みている。 さらに、私たちは人間とAIのチームワークを革新し、ユーザがうまく行っている意思決定プロセスに参加できるようにし、アプリケーション機能の完全性を高めます。 最後に、ユーザシナリオの信頼性を改善するために、メモリプール機構を使用して、ユーザの意思決定シナリオを収集し、それらを新しいユーザに推奨する。 ユーザフレンドリなインタラクティブシステムであるAgileGenは、既存のベストメソッドを16.4%上回り、ユーザ満足度を高めました。

関連論文リスト

• Optimal Interactive Learning on the Job via Facility Location Planning [33.2668546005654]
  協調型ロボットは、ユーザを圧倒することなく、新しいタスクやユーザの好みに継続的に適応しなければならない。 タスク列間の人間の労力を最小限に抑えるマルチタスクインタラクションプランナであるCOILを提案する。 我々は,タスク完了を成功させながら,人間に割り当てる作業量を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2025-05-01T12:45:09Z)
• Towards Machine-Generated Code for the Resolution of User Intentions [2.762180345826837]
  具体的なユーザ意図で LLM を誘導するコード生成によるコラボレーションの実現可能性について検討する。 本稿では,ユーザ意図,結果のコード,実行の詳細な分析と比較を行う。 LLM(GPT-4o-mini)は、提供されたユーザ意図に応じてコード指向の生成に顕著な習熟性を示す。
  論文  参考訳（メタデータ） (2025-04-24T13:19:17Z)
• A New Paradigm of User-Centric Wireless Communication Driven by Large Language Models [53.16213723669751]
  次世代の無線通信は、人工知能とユーザー中心の通信ネットワークを深く統合しようとしている。 本稿では,構造化クエリ言語に対する自然言語を革新的に取り入れた,無線通信のための新しいパラダイムを提案する。 本稿では,物理層における動的意味表現ネットワークを符号化深度に適応させてユーザ要求を満たすプロトタイプシステムを提案する。
  論文  参考訳（メタデータ） (2025-04-16T01:43:36Z)
• PersonaX: A Recommendation Agent Oriented User Modeling Framework for Long Behavior Sequence [8.557534799079956]
  本稿では,ユーザモデリングのためのエージェント非依存UMフレームワークとしてペルソナXを提案する。 PersonaXは、さまざまなユーザの興味を捉えるために、オフラインでコンパクトなSBSセグメントを抽出する。 高品質なプロトタイプユーザプロファイリングにおける PersonaX の有効性と汎用性を検証する。
  論文  参考訳（メタデータ） (2025-03-04T08:41:40Z)
• Fast or Better? Balancing Accuracy and Cost in Retrieval-Augmented Generation with Flexible User Control [52.405085773954596]
  Retrieval-Augmented Generation (RAG) は、大規模言語モデル幻覚を緩和するための強力なアプローチとして登場した。 既存のRAGフレームワークは、しばしば無差別に検索を適用し、非効率な再検索につながる。 本稿では,精度・コストのトレードオフを動的に調整できる新しいユーザ制御可能なRAGフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-02-17T18:56:20Z)
• Intelligent Mobile AI-Generated Content Services via Interactive Prompt Engineering and Dynamic Service Provisioning [55.641299901038316]
  AI生成コンテンツは、ネットワークエッジで協調的なMobile AIGC Service Providers(MASP)を編成して、リソース制約のあるユーザにユビキタスでカスタマイズされたコンテンツを提供することができる。 このようなパラダイムは2つの大きな課題に直面している: 1) 生のプロンプトは、ユーザーが特定のAIGCモデルで経験していないために、しばしば生成品質が低下する。 本研究では,Large Language Model (LLM) を利用してカスタマイズしたプロンプトコーパスを生成する対話型プロンプトエンジニアリング機構を開発し,政策模倣に逆強化学習(IRL)を用いる。
  論文  参考訳（メタデータ） (2025-02-17T03:05:20Z)
• Optimizing Large Language Models for Dynamic Constraints through Human-in-the-Loop Discriminators [0.0]
  大規模言語モデル(LLM)は、最近、様々な現実世界のアプリケーションにまたがる印象的な機能を実証した。 本稿では,LLMがシステムインターフェースと相互作用し,制約概念を要約し,性能指標を継続的に最適化するフレキシブルなフレームワークを提案する。 我々のフレームワークは、人間の識別器で7.78%のパスレート、LSMベースの識別器で6.11%のパスレートを達成した。
  論文  参考訳（メタデータ） (2024-10-19T17:27:38Z)
• GenAgent: Build Collaborative AI Systems with Automated Workflow Generation -- Case Studies on ComfyUI [64.57616646552869]
  本稿では、モデル、データソース、パイプラインを統合し、複雑で多様なタスクを解決するためにパフォーマンスを向上させるために使用される協調AIシステムについて検討する。 我々は、LLMベースのフレームワークであるGenAgentを紹介した。 その結果、GenAgentは実行レベルおよびタスクレベルの評価においてベースラインアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2024-09-02T17:44:10Z)
• Large Language Models for Power Scheduling: A User-Centric Approach [6.335540414370735]
  本稿では、任意のユーザの音声要求(VRQ)をリソース割り当てベクトルに変換することで、リソーススケジューリング問題に対する新しいアーキテクチャを提案する。 具体的には、要求を最適化問題(OP)に変換するためのLLM意図認識エージェント、LLM OPパラメータ識別エージェント、OP解決エージェントを設計する。
  論文  参考訳（メタデータ） (2024-06-29T15:47:28Z)
• 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)
• Unlocking Adaptive User Experience with Generative AI [8.578448990789965]
  我々はChatGPTと従来の手作業の両方を用いてユーザペルソナと適応インタフェースを開発する。 調査対象者37名と面接対象者4名のデータを収集した。 ChatGPT生成コンテンツと手動コンテンツの比較は有望な結果を示している。
  論文  参考訳（メタデータ） (2024-04-08T12:22:39Z)
• Tell Me More! Towards Implicit User Intention Understanding of Language Model Driven Agents [110.25679611755962]
  現在の言語モデル駆動エージェントは、しばしば効果的なユーザ参加のメカニズムを欠いている。 Intention-in-Interaction (IN3) は明示的なクエリを通してユーザの暗黙の意図を検査するための新しいベンチマークである。 私たちは、タスクの曖昧さを積極的に評価し、ユーザの意図を問う強力なモデルであるMistral-Interactを経験的に訓練し、それらを実行可能な目標へと洗練させます。
  論文  参考訳（メタデータ） (2024-02-14T14:36:30Z)
• User Friendly and Adaptable Discriminative AI: Using the Lessons from the Success of LLMs and Image Generation Models [0.6926105253992517]
  我々は、ユーザが差別的なモデルで作業できる新しいシステムアーキテクチャを開発した。 我々のアプローチは、信頼、ユーザーフレンドリさ、そしてこれらの多目的だが伝統的な予測モデルの適応性を改善することに影響を及ぼす。
  論文  参考訳（メタデータ） (2023-12-11T20:37:58Z)
• AgentCF: Collaborative Learning with Autonomous Language Agents for Recommender Systems [112.76941157194544]
  本稿では,エージェントベースの協調フィルタリングにより,レコメンデータシステムにおけるユーザとイテムのインタラクションをシミュレートするエージェントCFを提案する。 我々は、ユーザだけでなく、アイテムをエージェントとして、創造的に考慮し、両方のエージェントを同時に最適化する協調学習アプローチを開発します。 全体として、最適化されたエージェントは、ユーザ・イテム、ユーザ・ユーザ・ユーザ、アイテム・イテム、集合的インタラクションなど、フレームワーク内での多様なインタラクションの振る舞いを示す。
  論文  参考訳（メタデータ） (2023-10-13T16:37:14Z)
• Optimizing Interactive Systems via Data-Driven Objectives [70.3578528542663]
  本稿では,観察されたユーザインタラクションから直接目的を推測する手法を提案する。 これらの推論は、事前の知識によらず、様々な種類のユーザー行動にまたがって行われる。 本稿では,これらの推定対象を最適化するために利用する新しいアルゴリズムであるInteractive System(ISO)を紹介する。
  論文  参考訳（メタデータ） (2020-06-19T20:49:14Z)
• Unsupervised Model Personalization while Preserving Privacy and Scalability: An Open Problem [55.21502268698577]
  本研究では,非教師なしモデルパーソナライゼーションの課題について検討する。 この問題を探求するための新しいDual User-Adaptation Framework(DUA)を提供する。 このフレームワークは、サーバ上のモデルパーソナライズとユーザデバイス上のローカルデータ正規化に柔軟にユーザ適応を分散させる。
  論文  参考訳（メタデータ） (2020-03-30T09:35:12Z)

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。