論文の概要: A Multi-agent Onboarding Assistant based on Large Language Models, Retrieval Augmented Generation, and Chain-of-Thought

• arxiv url: http://arxiv.org/abs/2503.23421v1
• Date: Sun, 30 Mar 2025 12:40:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-01 19:35:57.111189
• Title: A Multi-agent Onboarding Assistant based on Large Language Models, Retrieval Augmented Generation, and Chain-of-Thought
• Title（参考訳）: 大規模言語モデルに基づくマルチエージェント・オンボーディング・アシスタント
• Authors: Andrei Cristian Ionescu, Sergey Titov, Maliheh Izadi,
• Abstract要約: ソフトウェア工学の実践は不可欠だが、技術の急激な発展のために難しい。 本稿では,大規模言語モデル,検索拡張生成,および自動チェーン・オブ・思想アプローチを活用するOnboarding Buddyシステムを提案する。 我々のソリューションはエージェントベースであり、最小限の人的介入でカスタマイズされた支援を提供する。
• 参考スコア（独自算出の注目度）: 2.3759432635713895
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Effective onboarding in software engineering is crucial but difficult due to the fast-paced evolution of technologies. Traditional methods, like exploration and workshops, are costly, time-consuming, and quickly outdated in large projects. We propose the Onboarding Buddy system, which leverages large language models, retrieval augmented generation, and an automated chain-of-thought approach to improve onboarding. It integrates dynamic, context-specific support within the development environment, offering natural language explanations, code insights, and project guidance. Our solution is agent-based and provides customized assistance with minimal human intervention. Our study results among the eight participants show an average helpfulness rating of (M=3.26, SD=0.86) and ease of onboarding at (M=3.0, SD=0.96) out of four. While similar to tools like GitHub Copilot, Onboarding Buddy uniquely integrates a chain-of-thought reasoning mechanism with retrieval-augmented generation, tailored specifically for dynamic onboarding contexts. While our initial evaluation is based on eight participants within one project, we will explore larger teams and multiple real-world codebases in the company to demonstrate broader applicability. Overall, Onboarding Buddy holds great potential for enhancing developer productivity and satisfaction. Our tool, source code, and demonstration video are publicly available
• Abstract（参考訳）: ソフトウェアエンジニアリングにおける効果的なオンボーディングは不可欠だが、技術の急激な発展のために難しい。 探索やワークショップのような伝統的な手法は、コストがかかり、時間がかかり、大規模なプロジェクトではすぐに時代遅れになる。 そこで本研究では,大規模言語モデル,検索拡張生成,自動チェーン・オブ・シークレット・アプローチを活用するOnboarding Buddyシステムを提案する。 開発環境内で動的でコンテキスト固有のサポートを統合し、自然言語の説明、コードインサイト、プロジェクトガイダンスを提供する。 我々のソリューションはエージェントベースであり、最小限の人的介入でカスタマイズされた支援を提供する。 被験者8名を対象に,M=3.26,SD=0.86,SD=0.96,M=3.0,SD=0.96)の平均有効性評価を行った。 GitHub Copilotのようなツールと似ているが、Onboarding Buddyは、動的オンボーディングコンテキストに特化してカスタマイズされた検索強化生成と、チェーンオブ思考推論メカニズムを独自に統合している。 最初の評価は、1つのプロジェクト内の8人の参加者に基づいていますが、より大きなチームと複数の実世界のコードベースを調べて、より広範な適用性を示します。 全体として、Onboarding Buddyは開発者の生産性と満足度を高める大きな可能性を秘めている。 私たちのツール、ソースコード、デモビデオが公開されています

関連論文リスト

• Command A: An Enterprise-Ready Large Language Model [180.18356391290172]
  コマンドAはエージェント最適化および多言語対応モデルである。 クラス内で最高のRetrieval Augmented Generation機能を提供する。
  論文  参考訳（メタデータ） (2025-04-01T12:08:07Z)
• Darkit: A User-Friendly Software Toolkit for Spiking Large Language Model [50.37090759139591]
  大規模言語モデル(LLM)は、数十億のパラメータからなる様々な実践的応用に広く応用されている。 人間の脳は、生物工学的なスパイキング機構を使って、エネルギー消費を大幅に削減しながら、同じ仕事をこなすことができる。 私たちはDarwinKit(Darkit)という名のソフトウェアツールキットをリリースし、脳にインスパイアされた大きな言語モデルの採用を加速しています。
  論文  参考訳（メタデータ） (2024-12-20T07:50:08Z)
• OpenHands: An Open Platform for AI Software Developers as Generalist Agents [109.8507367518992]
  私たちは、人間の開発者と同じような方法で世界と対話するAIエージェントを開発するためのプラットフォームであるOpenHandsを紹介します。 プラットフォームが新しいエージェントの実装を可能にし、コード実行のためのサンドボックス環境との安全なインタラクション、評価ベンチマークの導入について説明する。
  論文  参考訳（メタデータ） (2024-07-23T17:50:43Z)
• Leveraging Large Language Model-based Room-Object Relationships Knowledge for Enhancing Multimodal-Input Object Goal Navigation [11.510823733292519]
  大規模言語モデルから抽出したオブジェクト間関係の共通知識を組み込んだデータセットに基づいて,データ駆動型モジュール型アプローチを提案する。 Habitatシミュレーターの結果、我々のフレームワークは平均10.6%の効率でベースラインを上回り、Path Length(SPL)が重み付けした成功(Success)を実証した。
  論文  参考訳（メタデータ） (2024-03-21T06:32:36Z)
• Towards Model-Driven Dashboard Generation for Systems-of-Systems [52.251635013691256]
  本稿では、単純なダッシュボードモデルのリストをダッシュボードモデルに自動変換する、モデル駆動技術に依存しないアプローチについて述べる。 ダッシュボードのカスタマイズは抽象モデル表現を単に修正するだけで効率的に実現できる。
  論文  参考訳（メタデータ） (2024-02-23T10:55:18Z)
• An Interactive Agent Foundation Model [49.77861810045509]
  本稿では,AIエージェントを訓練するための新しいマルチタスクエージェントトレーニングパラダイムを用いた対話型エージェント基礎モデルを提案する。 トレーニングパラダイムは、視覚マスク付きオートエンコーダ、言語モデリング、次世代の予測など、多様な事前学習戦略を統一する。 私たちは、ロボティクス、ゲームAI、ヘルスケアという3つの異なる領域でフレームワークのパフォーマンスを実演します。
  論文  参考訳（メタデータ） (2024-02-08T18:58:02Z)
• SoTaNa: The Open-Source Software Development Assistant [81.86136560157266]
  SoTaNaはオープンソースのソフトウェア開発アシスタントだ。 ソフトウェア工学の分野のための高品質な命令ベースのデータを生成する。 オープンソースの基盤モデルであるLLaMAを強化するためにパラメータ効率のよい微調整アプローチを採用している。
  論文  参考訳（メタデータ） (2023-08-25T14:56:21Z)
• LPar -- A Distributed Multi Agent platform for building Polyglot, Omni Channel and Industrial grade Natural Language Interfaces [0.299146123420045]
  本稿では,多言語・多言語・多言語・相互運用エージェントの大規模産業展開のための分散マルチエージェントプラットフォームであるLParを紹介する。 現在のデプロイメントは、基盤となるConversational AIプラットフォーム(オープンソースまたは商用)に大きく依存する傾向がある。 これらの課題に対処するため,多言語・多言語・多言語・相互運用エージェントの大規模産業展開のための分散マルチエージェントプラットフォームであるLParを紹介した。
  論文  参考訳（メタデータ） (2020-06-25T19:20:07Z)

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。