論文の概要: The Role of GitHub Copilot on Software Development: A Perspec-tive on Productivity, Security, Best Practices and Future Directions

• arxiv url: http://arxiv.org/abs/2502.13199v1
• Date: Tue, 18 Feb 2025 18:08:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-20 14:01:56.295716
• Title: The Role of GitHub Copilot on Software Development: A Perspec-tive on Productivity, Security, Best Practices and Future Directions
• Title（参考訳）: ソフトウェア開発におけるGitHubのコパイロットの役割 - 生産性、セキュリティ、ベストプラクティス、今後の方向性を語る
• Authors: Suresh Babu Nettur, Shanthi Karpurapu, Unnati Nettur, Likhit Sagar Gajja, Sravanthy Myneni, Akhil Dusi,
• Abstract要約: GitHub Copilotは、タスクの自動化とAI駆動コード生成による生産性向上によって、ソフトウェア開発を変革している。 本稿では,生産性とセキュリティに対するCopilotの影響について考察する。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: GitHub Copilot is transforming software development by automating tasks and boosting productivity through AI-driven code generation. In this paper, we con-duct a literature survey to synthesize insights on Copilot's impact on productivity and security. We review academic journal databases, industry reports, and official docu-mentation to highlight key findings and challenges. While Copilot accelerates coding and prototyping, concerns over security vulnerabilities and intellectual property risks persist. Drawing from the literature, we provide a perspective on best practices and future directions for responsible AI adoption in software engineering, offering action-able insights for developers and organizations to integrate Copilot effectively while maintaining high standards of quality and security.
• Abstract（参考訳）: GitHub Copilotは、タスクの自動化とAI駆動コード生成による生産性向上によって、ソフトウェア開発を変革している。 本稿では,コパイロットが生産性とセキュリティに与える影響について,文献調査をまとめて分析する。 我々は学術誌データベース、業界レポート、公式文書をレビューし、重要な発見と課題を強調した。 Copilotはコーディングとプロトタイピングを加速するが、セキュリティ上の脆弱性や知的財産のリスクに対する懸念は持続する。 文献から引用すると、私たちはソフトウェアエンジニアリングにおけるAI採用の責任を負うためのベストプラクティスと今後の方向性を視点として、開発者や組織がCopilotを効果的に統合し、品質とセキュリティの高水準を維持しながら、アクション可能な洞察を提供する。

関連論文リスト

• Balancing Innovation and Ethics in AI-Driven Software Development [0.0]
  本稿では,GitHub CopilotやChatGPTといったAIツールをソフトウェア開発プロセスに統合することの倫理的意味を批判的に考察する。 コードオーナシップ、バイアス、説明責任、プライバシ、雇用市場への影響の可能性などについて検討する。
  論文  参考訳（メタデータ） (2024-08-10T14:11:22Z)
• Transforming Software Development: Evaluating the Efficiency and Challenges of GitHub Copilot in Real-World Projects [0.0]
  GitHub CopilotはAIによるコーディングアシスタントだ。 本研究では、GitHub Copilotを使用する際の効率向上、改善の領域、新たな課題について評価する。
  論文  参考訳（メタデータ） (2024-06-25T19:51:21Z)
• 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)
• Code Ownership in Open-Source AI Software Security [18.779538756226298]
  コードオーナシップのメトリクスを使用して、5つの著名なオープンソースAIソフトウェアプロジェクトにおける潜在的な脆弱性との相関を調査します。 この結果は、ハイレベルなオーナシップ(マイナーなコントリビュータの数が限られている)と脆弱性の減少との間に肯定的な関係があることを示唆している。 これらの新しいコードオーナシップメトリクスによって、プロジェクトキュレーターや品質保証の専門家が現場プロジェクトを評価し、ベンチマークするのを助けるために、Pythonベースのコマンドラインアプリケーションを実装しました。
  論文  参考訳（メタデータ） (2023-12-18T00:37:29Z)
• Assessing the Security of GitHub Copilot Generated Code -- A Targeted Replication Study [11.644996472213611]
  最近の研究は、GitHub CopilotやAmazon CodeWhispererといったAIによるコード生成ツールのセキュリティ問題を調査している。 本稿では、コパイロットのセキュリティの弱点を調査し、コパイロットが提案するコードにいくつかの弱点を発見したPearce et al.の研究を再現する。 我々の結果は、新しいバージョンのCopilotが改良されても、脆弱性のあるコード提案の割合が36.54%から27.25%に減少していることを示している。
  論文  参考訳（メタデータ） (2023-11-18T22:12:59Z)
• A User-centered Security Evaluation of Copilot [12.350130201627186]
  私たちはGitHubのCopilotを評価し、コードのセキュリティに関する長所と短所をよりよく理解しています。 Copilotへのアクセスは,難しい問題に対処する上で,よりセキュアなソリューションであることに気付きました。
  論文  参考訳（メタデータ） (2023-08-12T14:49:46Z)
• The GitHub Development Workflow Automation Ecosystems [47.818229204130596]
  大規模なソフトウェア開発は、非常に協力的な取り組みになっています。 この章では、開発ボットとGitHub Actionsのエコシステムについて解説する。 この領域における最先端技術に関する広範な調査を提供する。
  論文  参考訳（メタデータ） (2023-05-08T15:24:23Z)
• Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
  本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。 トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
  論文  参考訳（メタデータ） (2023-02-14T18:43:34Z)
• Constrained Reinforcement Learning for Robotics via Scenario-Based Programming [64.07167316957533]
  DRLをベースとしたエージェントの性能を最適化し,その動作を保証することが重要である。 本稿では,ドメイン知識を制約付きDRLトレーニングループに組み込む新しい手法を提案する。 我々の実験は、専門家の知識を活用するために我々のアプローチを用いることで、エージェントの安全性と性能が劇的に向上することを示した。
  論文  参考訳（メタデータ） (2022-06-20T07:19:38Z)
• Empowered and Embedded: Ethics and Agile Processes [60.63670249088117]
  私たちは倫理的考慮事項を(アジャイル)ソフトウェア開発プロセスに組み込む必要があると論じています。 私たちは、すでに存在しており、確立されたアジャイルソフトウェア開発プロセスで倫理的な議論を実施する可能性を強調しました。
  論文  参考訳（メタデータ） (2021-07-15T11:14:03Z)
• Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
  機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。 私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。 当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
  論文  参考訳（メタデータ） (2021-01-11T15:54:48Z)

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。