論文の概要: From Defects to Demands: A Unified, Iterative, and Heuristically Guided LLM-Based Framework for Automated Software Repair and Requirement Realization
- arxiv url: http://arxiv.org/abs/2412.05098v1
- Date: Fri, 06 Dec 2024 14:54:21 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-09 22:41:41.154312
- Title: From Defects to Demands: A Unified, Iterative, and Heuristically Guided LLM-Based Framework for Automated Software Repair and Requirement Realization
- Title（参考訳）: 欠陥から需要へ: 自動化されたソフトウェア修復と要求実現のための統一的で反復的でヒューリスティックなLLMベースのフレームワーク
- Authors: Alex, Liu, Vivian, Chi,
- Abstract要約: この写本は、人工知能とソフトウェア工学の統合の新しい時代を示唆している。
コード作成と改良のあらゆる面において、AIが人間のプログラマを完全に置き換えることができることを証明した、形式化された反復的な方法論を提示する。
- 参考スコア（独自算出の注目度）: 44.99833362998488
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This manuscript signals a new era in the integration of artificial intelligence with software engineering, placing machines at the pinnacle of coding capability. We present a formalized, iterative methodology proving that AI can fully replace human programmers in all aspects of code creation and refinement. Our approach, combining large language models with formal verification, test-driven development, and incremental architectural guidance, achieves a 38.6% improvement over the current top performer's 48.33% accuracy on the SWE-bench benchmark. This surpasses previously assumed limits, signaling the end of human-exclusive coding and the rise of autonomous AI-driven software innovation. More than a technical advance, our work challenges centuries-old assumptions about human creativity. We provide robust evidence of AI superiority, demonstrating tangible gains in practical engineering contexts and laying the foundation for a future in which computational creativity outpaces human ingenuity.
- Abstract（参考訳）: この原稿は、人工知能とソフトウェア工学の統合の新しい時代を告げ、機械をコーディング能力の頂点に置く。
コード作成と改良のあらゆる面において、AIが人間のプログラマを完全に置き換えることができることを証明した、形式化された反復的な方法論を提示する。
我々のアプローチは、大規模な言語モデルと形式的検証、テスト駆動開発、漸進的なアーキテクチャガイダンスを組み合わせることで、SWE-benchベンチマークの48.33%の精度に対して38.6%の改善を実現している。
これは、人間の排他的コーディングの終焉と、自律的なAI駆動型ソフトウェアイノベーションの台頭を示唆するものだ。
技術的進歩以上に、私たちの仕事は、人間の創造性に関する何世紀にもわたっての仮定に挑戦します。
私たちは、AIの優位性を示す堅牢な証拠を提供し、実践的なエンジニアリングの文脈において具体的な利益を示し、計算の創造性が人間の創造性を上回る未来のための基盤を築き上げます。
関連論文リスト
- Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。
まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。
次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文 参考訳（メタデータ） (2025-03-28T17:17:57Z) - SENAI: Towards Software Engineering Native Generative Artificial Intelligence [3.915435754274075]
本稿では,ソフトウェア工学の知識を大規模言語モデルに統合することについて議論する。
本研究の目的は,LLMが単なる機能的精度を超えて生成タスクを実行できる新しい方向を提案することである。
ソフトウェアエンジニアリング ネイティブな生成モデルは、現在のモデルに存在する欠点を克服するだけでなく、現実世界のソフトウェアエンジニアリングを扱うことができる次世代の生成モデルへの道を開くでしょう。
論文 参考訳（メタデータ） (2025-03-19T15:02:07Z) - Converging Paradigms: The Synergy of Symbolic and Connectionist AI in LLM-Empowered Autonomous Agents [55.63497537202751]
コネクショニストと象徴的人工知能(AI)の収束を探求する記事
従来、コネクショナリストAIはニューラルネットワークにフォーカスし、シンボリックAIはシンボリック表現とロジックを強調していた。
大型言語モデル(LLM)の最近の進歩は、人間の言語をシンボルとして扱う際のコネクショナリストアーキテクチャの可能性を強調している。
論文 参考訳（メタデータ） (2024-07-11T14:00:53Z) - From Today's Code to Tomorrow's Symphony: The AI Transformation of Developer's Routine by 2030 [3.437372707846067]
我々は,2024年におけるAI支援プログラミングの現状と,2030年の予測とを比較分析する。
私たちは、2030人の開発者に包括的なサポートを提供するAIツールであるHyperAssistantを構想しています。
論文 参考訳（メタデータ） (2024-05-21T12:37:36Z) - Exploration with Principles for Diverse AI Supervision [88.61687950039662]
次世代の予測を用いた大規模トランスフォーマーのトレーニングは、AIの画期的な進歩を生み出した。
この生成AIアプローチは印象的な結果をもたらしたが、人間の監督に大きく依存している。
この人間の監視への強い依存は、AIイノベーションの進歩に重大なハードルをもたらす。
本稿では,高品質なトレーニングデータを自律的に生成することを目的とした,探索型AI(EAI)という新しいパラダイムを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:03:39Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳（メタデータ） (2023-07-16T02:11:34Z) - Navigating the Complexity of Generative AI Adoption in Software
Engineering [6.190511747986327]
ソフトウェア工学における生成人工知能(AI)ツールの採用パターンについて検討した。
個人レベル、技術レベル、社会的レベルの影響要因を分析した。
論文 参考訳（メタデータ） (2023-07-12T11:05:19Z) - Comparing Software Developers with ChatGPT: An Empirical Investigation [0.0]
本稿では,ChatGPTのようなソフトウェア技術者やAIシステムのパフォーマンスを,さまざまな評価指標で比較した実証的研究を行う。
この論文は、さまざまな評価基準を考慮して、ソフトウェアエンジニアとAIベースのソリューションの包括的な比較が、人間と機械のコラボレーションを促進する上で重要であることを示唆している。
論文 参考訳（メタデータ） (2023-05-19T17:25:54Z) - An Initial Look at Self-Reprogramming Artificial Intelligence [0.0]
我々は、最初の完全自己プログラミングAIシステムを開発し、実験的に検証する。
AIベースのコンピュータコード生成をAI自体に適用することで、ニューラルネットワークのソースコードを継続的に修正し書き換えるアルゴリズムを実装します。
論文 参考訳（メタデータ） (2022-04-30T05:44:34Z) - 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) - An interdisciplinary conceptual study of Artificial Intelligence (AI)
for helping benefit-risk assessment practices: Towards a comprehensive
qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。
目的は、AIシステムを評価するための共有概念や相違点を特定することである。
論文 参考訳（メタデータ） (2021-05-07T12:01:31Z) - 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。