論文の概要: CLAPP: The CLASS LLM Agent for Pair Programming

• arxiv url: http://arxiv.org/abs/2508.05728v1
• Date: Thu, 07 Aug 2025 17:35:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-11 20:39:05.962014
• Title: CLAPP: The CLASS LLM Agent for Pair Programming
• Title（参考訳）: CLAPP: ペアプログラミングのためのCLASS LLMエージェント
• Authors: Santiago Casas, Christian Fidler, Boris Bolliet, Francisco Villaescusa-Navarro, Julien Lesgourgues,
• Abstract要約: Einstein-BoltzmannソルバCLASSで作業する研究者を支援するために設計された対話型AIアシスタントCLAPPを紹介する。 ClAPPは、大規模言語モデル(LLM)とドメイン固有検索を活用して、CLASS回答質問に対する対話型コーディングサポートを提供する。 ユーザフレンドリーなWebアプリケーションとしてデプロイされたCLAPPは、AIツールに精通していない科学者のエントリーバリアを低くする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce CLAPP (CLASS LLM Agent for Pair Programming), an interactive AI assistant designed to support researchers working with the Einstein-Boltzmann solver CLASS. CLAPP leverages large language models (LLMs) and domain-specific retrieval to provide conversational coding support for CLASS-answering questions, generating code, debugging errors, and producing plots. Its architecture combines multi-agent LLM orchestration, semantic search across CLASS documentation, and a live Python execution environment. Deployed as a user-friendly web application, CLAPP lowers the entry barrier for scientists unfamiliar with AI tools and enables more productive human-AI collaboration in computational and numerical cosmology. The app is available at https://classclapp.streamlit.app
• Abstract（参考訳）: 本稿では,Einstein-BoltzmannソルバCLASSで作業する研究者を支援する対話型AIアシスタントCLAPP(CLASS LLM Agent for Pair Programming)を紹介する。 CLAPPは、大きな言語モデル(LLM)とドメイン固有の検索を活用して、CLASSに答える質問、コードの生成、エラーのデバッグ、プロットの生成など、対話的なコーディングサポートを提供する。 アーキテクチャはマルチエージェントLLMオーケストレーション、CLASSドキュメント間のセマンティック検索、Python実行環境を組み合わせたものだ。 ユーザフレンドリーなWebアプリケーションとしてデプロイされたCLAPPは、AIツールに精通していない科学者のエントリーバリアを低くし、計算および数値宇宙論におけるより生産的な人間とAIのコラボレーションを可能にする。 アプリはhttps://classclapp.streamlit.appで入手できる。

関連論文リスト

• Creating an LLM-based AI-agent: A high-level methodology towards enhancing LLMs with APIs [0.0]
  大規模言語モデル(LLM)は、工学と科学の様々な側面に革命をもたらした。 この論文は総合的なガイドとして機能し、アプリケーションプログラミングインタフェース(API)を活用する能力を備えたLLMの強化のための多面的アプローチを解明する。 本稿では,Hugging Faceコミュニティの小さなモデルを用いて,携帯端末の機能を活用したオンデバイスアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-12-17T14:14:04Z)
• LLM-Powered Hierarchical Language Agent for Real-time Human-AI Coordination [28.22553394518179]
  人-AI協調のための階層型言語エージェント(HLA)を提案する。 HLAは、リアルタイム実行を維持しながら、強力な推論能力を提供する。 人間の研究では、HLAは他のベースラインエージェントより優れており、スローミンドのみのエージェントやファストミンドのみのエージェントがある。
  論文  参考訳（メタデータ） (2023-12-23T11:09:48Z)
• LLM A*: Human in the Loop Large Language Models Enabled A* Search for Robotics [2.9053316583692146]
  本研究は,ロボットなどの移動体エージェントの(パス)計画において,Large Language Models(LLM)がいかに役立つかに焦点を当てる。 LLM A* という新しいフレームワークは LLM のコモンセンスを活用することを目的としており、ユーティリティ最適化 A* は少数ショットに近い経路計画を容易にするために提案されている。 このアプローチでは、人間からのフィードバックを受け取り、計画プロセス全体を(ホワイトボックスのように)人間に透明にします。
  論文  参考訳（メタデータ） (2023-12-04T10:37:58Z)
• LILO: Learning Interpretable Libraries by Compressing and Documenting Code [71.55208585024198]
  LILOは、反復的に合成、圧縮、文書化を行う、ニューロシンボリックなフレームワークである。 LILOは、LLM誘導プログラム合成と、Stitchから自動化された最近のアルゴリズムの進歩を組み合わせたものである。 LILOのシンセサイザーが学習した抽象化を解釈し、デプロイするのを手助けすることで、AutoDocがパフォーマンスを向上させることが分かりました。
  論文  参考訳（メタデータ） (2023-10-30T17:55:02Z)
• Recommender AI Agent: Integrating Large Language Models for Interactive Recommendations [53.76682562935373]
  我々は,LLMを脳として,レコメンダモデルをツールとして使用する,textbfInteRecAgentという効率的なフレームワークを紹介した。 InteRecAgentは会話レコメンデーションシステムとして満足度を達成し、汎用LLMよりも優れる。
  論文  参考訳（メタデータ） (2023-08-31T07:36:44Z)

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。