Fugu-MT 論文翻訳(概要): Agile Retrospectives: What went well? What didn't go well? What should we do?

論文の概要: Agile Retrospectives: What went well? What didn't go well? What should we do?

arxiv url: http://arxiv.org/abs/2504.11780v1
Date: Wed, 16 Apr 2025 05:33:35 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-17 14:40:45.925951
Title: Agile Retrospectives: What went well? What didn't go well? What should we do?
Title（参考訳）: アジャイルレトロスペクティブ:何がうまくいったのか?何がうまくいかなかったのか?どうすればいいのか?
Authors: Maria Spichkova, Hina Lee, Kevin Iwan, Madeleine Zwart, Yuwon Yoon, Xiaohan Qin,
Abstract要約: アジャイル/スクラムソフトウェア開発では、レトロスペクティブミーティング(レトロスペクティブ)という考え方がプロジェクトプロセスの中核的な要素の1つです。振り返りミーティングにおける情報インタラクションにおける生成AIの可能性分析と,レトロ情報のソフトウェア開発チームへの可視化である。
参考スコア（独自算出の注目度）: 1.363420481690495
License:
Abstract: In Agile/Scrum software development, the idea of retrospective meetings (retros) is one of the core elements of the project process. In this paper, we present our work in progress focusing on two aspects: analysis of potential usage of generative AI for information interaction within retrospective meetings, and visualisation of retros' information to software development teams. We also present our prototype tool RetroAI++, focusing on retros-related functionalities.
Abstract（参考訳）: アジャイル/スクラムソフトウェア開発では、レトロスペクティブミーティング(レトロスペクティブ)という考え方がプロジェクトプロセスの中核的な要素の1つです。本稿では,ふりかえりミーティングにおける情報インタラクションにおける生成AIの可能性分析と,レトロの情報をソフトウェア開発チームに可視化する2つの側面に着目した研究の進展について述べる。プロトタイプツールであるRetroAI++も紹介します。

関連論文リスト

Memento No More: Coaching AI Agents to Master Multiple Tasks via Hints Internalization [56.674356045200696]
本稿では,複雑なメモシステムや事前の高品質な実演データを必要としない,複数のタスクに対する知識とスキルを取り入れたAIエージェントの訓練手法を提案する。このアプローチでは,エージェントが新たな経験を収集し,ヒントの形で人間から補正フィードバックを受け取り,このフィードバックを重みに組み込む,反復的なプロセスを採用している。 Llama-3 をベースとしたエージェントに実装することで,提案手法の有効性を実証し,数ラウンドのフィードバックの後,高度なモデル GPT-4o と DeepSeek-V3 をタスクセットで向上させる。
論文参考訳（メタデータ） (2025-02-03T17:45:46Z)
You're (Not) My Type -- Can LLMs Generate Feedback of Specific Types for Introductory Programming Tasks? [0.4779196219827508]
本稿では,Large Language Models (LLM) を用いたプログラミングタスクに対して,特定のタイプのフィードバックを生成することを目的とする。既存のフィードバックを見直して、ランダム性、不確実性、変動度などの、生成されたフィードバックの特異性を捉える。結果は、例えば、フィードバック効果や学習者の情報的ニーズに関する将来のフィードバック研究に影響を及ぼす。
論文参考訳（メタデータ） (2024-12-04T17:57:39Z)
RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph [63.87660059104077]
RepoGraphは、現代のAIソフトウェアエンジニアリングソリューションのためのリポジトリレベルの構造を管理するプラグインモジュールである。 RepoGraphはすべてのシステムのパフォーマンスを大幅に向上させ、オープンソースフレームワークの間で新たな最先端技術を生み出している。
論文参考訳（メタデータ） (2024-10-03T05:45:26Z)
Using AI-Based Coding Assistants in Practice: State of Affairs, Perceptions, and Ways Forward [9.177785129949]
私たちは、開発者がAIアシスタントをどのように使っているのかをよりよく理解することを目指しています。我々は、AIアシスタントの使用方法に関する大規模な調査を行った。
論文参考訳（メタデータ） (2024-06-11T23:10:43Z)
Characterising Developer Sentiment in Software Components: An Exploratory Study of Gentoo [6.253919624802852]
共同ソフトウェア開発はチーム内で行われ、共有された成果物に協力し、オンラインプラットフォーム上での開発について議論する。以前の研究では、特にオープンソース環境では、チームメンバー間のコミュニケーションが極めて有害になる可能性があることが示されています。我々の研究は、近年、Gentoo開発者間のコミュニケーションにおいて、負の感情が一般的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） (2024-05-27T09:22:47Z)
How is Software Reuse Discussed in Stack Overflow? [12.586676749644342]
我々は、コード再利用時に開発者が直面する課題をより深く理解するために、1,409件の投稿について実証的研究を行った。この結果から, 「視覚スタジオ」が質問投稿における最重要課題であり, 再利用を目的として, 開発者が頻繁に利用するデザインパターンが存在することがわかった。
論文参考訳（メタデータ） (2023-11-01T03:13:36Z)
UltraFeedback: Boosting Language Models with Scaled AI Feedback [99.4633351133207]
大規模で高品質で多様なAIフィードバックデータセットである textscUltraFeedback を提示する。我々の研究は、強力なオープンソースのチャット言語モデルを構築する上で、スケールしたAIフィードバックデータの有効性を検証する。
論文参考訳（メタデータ） (2023-10-02T17:40:01Z)
Visual Programming for Text-to-Image Generation and Evaluation [73.12069620086311]
テキスト・トゥ・イメージ(T2I)生成と評価のための2つの新しい解釈可能・説明可能なビジュアル・プログラミング・フレームワークを提案する。まず,T2I生成をオブジェクト/カウント生成,レイアウト生成,画像生成という3つのステップに分解する,解釈可能なステップバイステップT2I生成フレームワークであるVPGenを紹介する。第2に、視覚プログラミングに基づくT2I生成のための解釈可能かつ説明可能な評価フレームワークであるVPEvalを紹介する。
論文参考訳（メタデータ） (2023-05-24T16:42:17Z)
Transformer-Based Visual Segmentation: A Survey [118.01564082499948]
ビジュアルセグメンテーションは、画像、ビデオフレーム、またはポイントクラウドを複数のセグメンテーションまたはグループに分割する。トランスフォーマー(Transformer)は、自然言語処理用に設計された自己アテンションに基づくニューラルネットワークの一種である。トランスフォーマーは、様々なセグメンテーションタスクに対して堅牢で統一的で、さらにシンプルなソリューションを提供する。
論文参考訳（メタデータ） (2023-04-19T17:59:02Z)
Back to the Future: Unsupervised Backprop-based Decoding for Counterfactual and Abductive Commonsense Reasoning [79.48769764508006]
ジェネレーティブ言語モデル(LM)は、過去の文脈のみを条件にするか、狭い範囲のテキスト入力を実行するよう訓練することができる。我々は過去と将来の両方の文脈を柔軟に組み込むことができる新しい教師なし復号アルゴリズムであるDeLoreanを提案する。提案手法は, 帰納的テキスト生成と反事実的ストーリーリビジョンの2つの非単調推論タスクに適用可能であることを示す。
論文参考訳（メタデータ） (2020-10-12T17:58:43Z)

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。