論文の概要: A Path Less Traveled: Reimagining Software Engineering Automation via a Neurosymbolic Paradigm

• arxiv url: http://arxiv.org/abs/2505.02275v1
• Date: Sun, 04 May 2025 22:10:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.523921
• Title: A Path Less Traveled: Reimagining Software Engineering Automation via a Neurosymbolic Paradigm
• Title（参考訳）: ソフトウェアエンジニアリングの自動化をニューロシンボリックパラダイムで再考する
• Authors: Antonio Mastropaolo, Denys Poshyvanyk,
• Abstract要約: 本稿では,ニューロシンボリック・ソフトウェア・エンジニアリングを,ニューラルネットワークとシンボリック(ルールベース)推論を組み合わせた有望なパラダイムとして提案する。 このハイブリッド方法論は、AI駆動ソフトウェアエンジニアリングの効率性、信頼性、透明性を高めることを目的としている。
• 参考スコア（独自算出の注目度）: 9.900581015679935
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The emergence of Large Code Models (LCMs) has transformed software engineering (SE) automation, driving significant advancements in tasks such as code generation, source code documentation, code review, and bug fixing. However, these advancements come with trade-offs: achieving high performance often entails exponential computational costs, reduced interpretability, and an increasing dependence on data-intensive models with hundreds of billions of parameters. In this paper, we propose Neurosymbolic Software Engineering, in short NSE, as a promising paradigm combining neural learning with symbolic (rule-based) reasoning, while strategically introducing a controlled source of chaos to simulate the complex dynamics of real-world software systems. This hybrid methodology aims to enhance efficiency, reliability, and transparency in AI-driven software engineering while introducing controlled randomness to adapt to evolving requirements, unpredictable system behaviors, and non-deterministic execution environments. By redefining the core principles of AI-driven software engineering automation, NSE lays the groundwork for solutions that are more adaptable, transparent, and closely aligned with the evolving demands of modern software development practices.
• Abstract（参考訳）: 大規模コードモデル(LCM)の出現は、ソフトウェアエンジニアリング(SE)の自動化を変革し、コード生成、ソースコードのドキュメンテーション、コードレビュー、バグ修正といったタスクが大幅に進歩した。 しかし、これらの進歩にはトレードオフが伴う: 高い性能を達成するには、しばしば指数計算コストを伴い、解釈可能性の低下、そして数十億のパラメータを持つデータ集約モデルへの依存が増大する。 本稿では,ニューロシンボリック・ソフトウェア・エンジニアリング(Neurosymbolic Software Engineering,略称NSE)を,ニューラルネットワークと記号的(ルールに基づく)推論を組み合わせた有望なパラダイムとして提案するとともに,実世界のソフトウェアシステムの複雑な力学をシミュレートするカオスの制御源を戦略的に導入する。 このハイブリッド手法は、AI駆動のソフトウェアエンジニアリングにおける効率性、信頼性、透明性を高めることを目的としている。 AI駆動のソフトウェアエンジニアリング自動化の中核的な原則を再定義することによって、NSEは、現代的なソフトウェア開発プラクティスの進化する要求により適応性があり、透明性があり、密接に適合するソリューションの基礎を定めている。

関連論文リスト

• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [59.52058740470727]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• AI's Impact on Traditional Software Development [0.0]
  人工知能(AI)の応用は、従来の戦術ソフトウェア開発に大きな変化をもたらした。 本稿では,従来のソフトウェア開発ライフサイクル方法論にAIを統合する技術的側面について考察する。
  論文  参考訳（メタデータ） (2025-02-05T14:58:09Z)
• Toward Neurosymbolic Program Comprehension [46.874490406174644]
  我々は,既存のDL技術の強みと従来の象徴的手法を組み合わせたニューロシンボリック研究の方向性を提唱する。 第1回ニューロシンボリック・プログラム・フレームワークの確立をめざして,提案するアプローチの予備的結果を示す。
  論文  参考訳（メタデータ） (2025-02-03T20:38:58Z)
• Next-Gen Software Engineering. Big Models for AI-Augmented Model-Driven Software Engineering [0.0]
  本稿は、AIに強化されたソフトウェア工学の現状の概要を提供し、対応する分類学であるAI4SEを開発する。 SEにおけるAI支援ビッグデータのビジョンは、ソフトウェア開発の文脈において両方のアプローチに固有の利点を活かすことを目的としている。
  論文  参考訳（メタデータ） (2024-09-26T16:49:57Z)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)
• Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
  非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。 NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
  論文  参考訳（メタデータ） (2022-03-06T10:12:56Z)
• AI/ML Algorithms and Applications in VLSI Design and Technology [3.1171750528972204]
  本稿では、VLSIの設計・製造において過去に導入されたAI/ML自動化アプローチについて概説する。 将来、VLSI設計の分野に革命をもたらすため、様々な抽象化レベルでAI/MLアプリケーションの範囲について論じる。
  論文  参考訳（メタデータ） (2022-02-21T07:01:27Z)
• Data-Driven and SE-assisted AI Model Signal-Awareness Enhancement and Introspection [61.571331422347875]
  モデルの信号認識性を高めるためのデータ駆動型手法を提案する。 コード複雑性のSE概念とカリキュラム学習のAIテクニックを組み合わせる。 モデル信号認識における最大4.8倍の改善を実現している。
  論文  参考訳（メタデータ） (2021-11-10T17:58:18Z)

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。