論文の概要: Knowledge-Based Multi-Agent Framework for Automated Software Architecture Design
- arxiv url: http://arxiv.org/abs/2503.20536v1
- Date: Wed, 26 Mar 2025 13:35:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-27 19:18:47.183473
- Title: Knowledge-Based Multi-Agent Framework for Automated Software Architecture Design
- Title（参考訳）: ソフトウェアアーキテクチャ自動設計のための知識ベースマルチエージェントフレームワーク
- Authors: Yiran Zhang, Ruiyin Li, Peng Liang, Weisong Sun, Yang Liu,
- Abstract要約: 知識に基づくマルチエージェントアーキテクチャ設計(MAAD)フレームワークを構想する。
MAADはエージェントを使用して、従来のソフトウェアアーキテクチャ設計プロセスにおけるヒューマンロールをシミュレートする。
アプリケーションレベルのシステム開発を完全に自動化することを目指しています。
- 参考スコア（独自算出の注目度）: 8.082263503892912
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Architecture design is a critical step in software development. However, creating a high-quality architecture is often costly due to the significant need for human expertise and manual effort. Recently, agents built upon Large Language Models (LLMs) have achieved remarkable success in various software engineering tasks. Despite this progress, the use of agents to automate the architecture design process remains largely unexplored. To address this gap, we envision a Knowledge-based Multi-Agent Architecture Design (MAAD) framework. MAAD uses agents to simulate human roles in the traditional software architecture design process, thereby automating the design process. To empower these agents, MAAD incorporates knowledge extracted from three key sources: 1) existing system designs, 2) authoritative literature, and 3) architecture experts. By envisioning the MAAD framework, we aim to advance the full automation of application-level system development.
- Abstract（参考訳）: アーキテクチャ設計はソフトウェア開発における重要なステップです。
しかし、人間の専門知識と手作業が必要なため、高品質なアーキテクチャを作成するのにしばしばコストがかかる。
近年,Large Language Models (LLM) 上に構築されたエージェントは,様々なソフトウェア工学タスクにおいて顕著な成功を収めている。
この進歩にもかかわらず、アーキテクチャ設計プロセスを自動化するためのエージェントの使用は、ほとんど探索されていない。
このギャップに対処するために、知識に基づくマルチエージェントアーキテクチャ設計(MAAD)フレームワークを構想する。
MAADはエージェントを使用して、従来のソフトウェアアーキテクチャ設計プロセスにおけるヒューマンロールをシミュレートし、設計プロセスを自動化する。
これらのエージェントを強化するために、MAADは3つの主要な情報源から抽出された知識を取り入れている。
1)既存のシステム設計。
2)権威文学、及び
3)建築の専門家。
MAADフレームワークを構想することで、アプリケーションレベルのシステム開発を完全に自動化することを目指している。
関連論文リスト
- An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。
このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。
完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
論文 参考訳（メタデータ） (2025-04-20T16:57:45Z) - Artificial Intelligence for Software Architecture: Literature Review and the Road Ahead [8.68898878009242]
本稿では,人工知能駆動型ソフトウェアアーキテクチャの展望について述べる。
我々は,人工知能がアーキテクチャ設計の自動化,定量的トレードオフ分析のサポート,アーキテクチャ文書の更新を継続的に行う方法について検討する。
結果として得られたロードマップは、ソフトウェアアーキテクチャへの14の現在の人工知能コントリビューションの概要と、アーキテクチャタスクをサポートするための6つの人工知能固有の課題を特定し、将来の改善のための6つの方法を明らかにしている。
論文 参考訳（メタデータ） (2025-04-06T03:00:07Z) - Semi-Automated Design of Data-Intensive Architectures [49.1574468325115]
本稿では,データ集約型アーキテクチャの開発手法を紹介する。
i) 特定のアプリケーションシナリオに適したアーキテクチャを設計し、(ii) アプリケーションを実装するための具体的なシステムの適切なセットを選択することをアーキテクトに案内します。
私たちが採用している記述言語は、研究者や実践者が提案するデータ集約アーキテクチャの重要な側面を捉えることができる。
論文 参考訳（メタデータ） (2025-03-21T16:01:11Z) - From Idea to CAD: A Language Model-Driven Multi-Agent System for Collaborative Design [0.06749750044497731]
本稿では,このチーム構造を視覚言語モデル(VLM)に基づくマルチエージェントシステムで再現する手法を提案する。
モデルはスケッチやテキスト記述から自動的に生成される。
得られたモデルは、ユーザとの反復的検証ループで協調的に洗練することができる。
論文 参考訳（メタデータ） (2025-03-06T13:21:27Z) - A quantitative framework for evaluating architectural patterns in ML systems [49.1574468325115]
本研究では,MLシステムにおけるアーキテクチャパターンの定量的評価のための枠組みを提案する。
コスト効率のよいCPUベースの推論のためのスケーラビリティとパフォーマンスメトリクスに注目します。
論文 参考訳（メタデータ） (2025-01-20T15:30:09Z) - From Requirements to Architecture: An AI-Based Journey to
Semi-Automatically Generate Software Architectures [2.4150871564195007]
本稿では,人工知能技術を用いた要件に基づくソフトウェアアーキテクチャ候補生成手法を提案する。
さらに、生成したアーキテクチャ候補の自動評価とトレードオフ分析を計画する。
論文 参考訳（メタデータ） (2024-01-25T10:56:58Z) - Towards Responsible Generative AI: A Reference Architecture for Designing Foundation Model based Agents [28.406492378232695]
ファンデーションモデルに基づくエージェントは、ファンデーションモデルの能力から自律性を引き出す。
本稿では,基礎モデルに基づくエージェントの設計におけるガイダンスとして機能するパターン指向参照アーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-11-22T04:21:47Z) - Serving Deep Learning Model in Relational Databases [70.53282490832189]
リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。
最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。
UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
論文 参考訳（メタデータ） (2023-10-07T06:01:35Z) - Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [48.87872564630711]
データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。
10か国25以上の組織から61名の被験者を対象に調査を行った。
論文 参考訳（メタデータ） (2023-08-09T21:54:34Z) - Technology Readiness Levels for AI & ML [79.22051549519989]
機械学習システムの開発は、現代的なツールで容易に実行できるが、プロセスは通常急いで、エンドツーエンドで実行される。
エンジニアリングシステムは、高品質で信頼性の高い結果の開発を効率化するために、明確に定義されたプロセスとテスト標準に従います。
我々は、機械学習の開発と展開のための実証されたシステムエンジニアリングアプローチを提案する。
論文 参考訳（メタデータ） (2020-06-21T17:14:34Z)
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。