論文の概要: Towards Conversational Development Environments: Using Theory-of-Mind and Multi-Agent Architectures for Requirements Refinement
- arxiv url: http://arxiv.org/abs/2505.20973v1
- Date: Tue, 27 May 2025 10:05:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-28 17:05:58.56805
- Title: Towards Conversational Development Environments: Using Theory-of-Mind and Multi-Agent Architectures for Requirements Refinement
- Title（参考訳）: 会話型開発環境へ向けて--理論とマルチエージェントアーキテクチャを応用して-
- Authors: Keheliya Gallaba, Ali Arabat, Dayi Lin, Mohammed Sayagh, Ahmed E. Hassan,
- Abstract要約: 本稿では,FMを用いたAlignMindと呼ばれるマルチエージェントシステムを利用した新しい手法を提案する。
私たちのアプローチは、FMを最小限の能力で強化する認知アーキテクチャを持つことで、ソフトウェアメーカの精神状態と視点を考慮しています。
我々は、我々のアプローチがステークホルダーの意図と要求を正確に把握し、それらを仕様とステップバイステップの行動計画の両方として表現できることを実証した。
- 参考スコア（独自算出の注目度）: 8.20761565595339
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Foundation Models (FMs) have shown remarkable capabilities in various natural language tasks. However, their ability to accurately capture stakeholder requirements remains a significant challenge for using FMs for software development. This paper introduces a novel approach that leverages an FM-powered multi-agent system called AlignMind to address this issue. By having a cognitive architecture that enhances FMs with Theory-of-Mind capabilities, our approach considers the mental states and perspectives of software makers. This allows our solution to iteratively clarify the beliefs, desires, and intentions of stakeholders, translating these into a set of refined requirements and a corresponding actionable natural language workflow in the often-overlooked requirements refinement phase of software engineering, which is crucial after initial elicitation. Through a multifaceted evaluation covering 150 diverse use cases, we demonstrate that our approach can accurately capture the intents and requirements of stakeholders, articulating them as both specifications and a step-by-step plan of action. Our findings suggest that the potential for significant improvements in the software development process justifies these investments. Our work lays the groundwork for future innovation in building intent-first development environments, where software makers can seamlessly collaborate with AIs to create software that truly meets their needs.
- Abstract（参考訳）: ファンデーションモデル(FM)は、様々な自然言語タスクにおいて顕著な能力を示している。
しかしながら、ステークホルダーの要求を正確に把握する能力は、ソフトウェア開発にFMを使用する上で重要な課題である。
本稿では,FMを用いたAlignMindと呼ばれるマルチエージェントシステムを利用した新しい手法を提案する。
私たちのアプローチは、FMを最小限の能力で強化する認知アーキテクチャを持つことで、ソフトウェアメーカの精神状態と視点を考慮しています。
これにより、ステークホルダーの信念、願望、意図を反復的に明確化し、これらを一連の洗練された要求と、しばしば見過ごされるソフトウェアエンジニアリングの要求改善フェーズにおける対応する実行可能な自然言語ワークフローに変換することができます。
150の多様なユースケースをカバーする多面的評価を通じて、我々のアプローチがステークホルダーの意図と要求を正確に把握し、それらを仕様とステップバイステップの行動計画の両方として記述できることを実証した。
ソフトウェア開発プロセスにおける大幅な改善の可能性は、これらの投資を正当化することを示唆している。
ソフトウェアメーカーはAIとシームレスに協力し、彼らのニーズを真に満たすソフトウェアを開発することができる。
関連論文リスト
- A Practical Approach for Building Production-Grade Conversational Agents with Workflow Graphs [2.7905014064567344]
大きな言語モデル(LLM)は、さまざまなサービスドメインで大幅に改善されました。
産業環境でのSOTA(State-of-the-art)研究の適用は課題を提起する。
論文 参考訳（メタデータ） (2025-05-29T02:30:27Z) - Towards Artificial General or Personalized Intelligence? A Survey on Foundation Models for Personalized Federated Intelligence [59.498447610998525]
大規模言語モデル(LLM)の台頭は、人工知能の展望を大きく変えた。
本稿では、プライバシーと効率性を維持しつつ、ユーザの特定のニーズと嗜好を満たすためにこれらの強力なモデルを適用することに焦点を当てる。
我々は、FMのゼロショット一般化機能にフェデレート学習のプライバシー保護の利点を統合する、パーソナライズド・フェデレーション・インテリジェンス(PFI)を提案する。
論文 参考訳（メタデータ） (2025-05-11T08:57:53Z) - Un marco conceptual para la generación de requerimientos de software de calidad [0.0]
自然言語処理タスクを強化するために,大規模言語モデル (LLM) が登場した。
この研究は、これらのモデルを使用して自然言語で書かれたソフトウェア要件の品質を改善することを目的としている。
論文 参考訳（メタデータ） (2025-04-14T19:12:18Z) - A Survey on Post-training of Large Language Models [185.51013463503946]
大規模言語モデル(LLM)は、自然言語処理を根本的に変革し、会話システムから科学的探索まで、さまざまな領域で欠かせないものにしている。
これらの課題は、制限された推論能力、倫理的不確実性、最適なドメイン固有のパフォーマンスといった欠点に対処するために、先進的な訓練後言語モデル(PoLM)を必要とする。
本稿では,タスク固有の精度を向上するファインチューニング,倫理的コヒーレンスと人間の嗜好との整合性を保証するアライメント,報酬設計の課題によらず多段階の推論を進める推論,統合と適応の5つのパラダイムを体系的に追跡したPoLMの総合的な調査について述べる。
論文 参考訳（メタデータ） (2025-03-08T05:41:42Z) - An Overview of Large Language Models for Statisticians [109.38601458831545]
大規模言語モデル(LLM)は人工知能(AI)の変換ツールとして登場した。
本稿では, 統計学者がLLMの開発に重要な貢献できる可能性について考察する。
我々は不確実性定量化、解釈可能性、公正性、プライバシー、透かし、モデル適応といった問題に焦点を当てる。
論文 参考訳（メタデータ） (2025-02-25T03:40:36Z) - An Infrastructure Software Perspective Toward Computation Offloading between Executable Specifications and Foundation Models [11.035290353039079]
ファンデーションモデル(FM)は、パターン認識や非構造化データ処理といった計算処理に優れ、現代のソフトウェアシステムにおいて不可欠なコンポーネントとなっている。
それらの能力は、記号プログラムのような実行可能な仕様の精度、検証可能性、決定論的性質によって補完される。
本稿では,それぞれの強みに基づいて,FMと実行可能な仕様との間で,計算タスクを戦略的に分散するフレームワークを提案する。
論文 参考訳（メタデータ） (2025-01-06T08:02:28Z) - Large Action Models: From Inception to Implementation [51.81485642442344]
大規模アクションモデル(LAM)は動的環境内でのアクション生成と実行のために設計されている。
LAMは、AIを受動的言語理解からアクティブなタスク完了に変換する可能性を秘めている。
創発から展開まで,LAMを体系的に開発するための総合的なフレームワークを提案する。
論文 参考訳（メタデータ） (2024-12-13T11:19:56Z) - The Fusion of Large Language Models and Formal Methods for Trustworthy AI Agents: A Roadmap [12.363424584297974]
本稿では、次世代の信頼できるAIシステムを推進するためのロードマップを概説する。
我々は、FMがLLMがより信頼性が高く、正式に認定された出力を生成するのにどのように役立つかを示す。
私たちはこの統合が、ソフトウェアエンジニアリングプラクティスの信頼性と効率性の両方を高める可能性があることを認めています。
論文 参考訳（メタデータ） (2024-12-09T14:14:21Z) - Foundation Model Engineering: Engineering Foundation Models Just as Engineering Software [8.14005646330662]
Foundation Models (FM) は、データとモデルをソースコードとして扱うことで、新しいタイプのソフトウェアになる。
我々は、期待されるFM危機に対する戦略的対応であるファンデーションモデル(FM)エンジニアリングを導入するというビジョンを概説する。
論文 参考訳（メタデータ） (2024-07-11T04:40:02Z) - 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) - Prioritizing Software Requirements Using Large Language Models [3.9422957660677476]
この記事では、ソフトウェア開発の初期段階と見なされる要件エンジニアリングに焦点を当てます。
要件を特定し、時間と予算の制約の中ですべての利害関係者を満たすという課題は、依然として重要なままです。
本研究では、AIエージェントを利用したWebベースのソフトウェアツールを導入し、タスクの優先順位付けを自動化するエンジニアリングを促す。
論文 参考訳（メタデータ） (2024-04-05T15:20:56Z) - MAgIC: Investigation of Large Language Model Powered Multi-Agent in Cognition, Adaptability, Rationality and Collaboration [98.18244218156492]
大規模言語モデル(LLM)は、非常に高度な自然言語処理を持つ。
アプリケーションがマルチエージェント環境に拡大するにつれて、包括的な評価フレームワークの必要性が生じる。
この研究は、マルチエージェント設定内でLLMを評価するための新しい競合ベースのベンチマークフレームワークを導入している。
論文 参考訳（メタデータ） (2023-11-14T21:46:27Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳（メタデータ） (2023-07-16T02:11:34Z) - 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)
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。