論文の概要: Cognitive Agents Powered by Large Language Models for Agile Software Project Management
- arxiv url: http://arxiv.org/abs/2508.16678v1
- Date: Thu, 21 Aug 2025 09:19:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-26 18:43:45.114576
- Title: Cognitive Agents Powered by Large Language Models for Agile Software Project Management
- Title（参考訳）: アジャイルソフトウェアプロジェクト管理のための大規模言語モデルによる認知エージェント
- Authors: Konrad Cinkusz, Jarosław A. Chudziak, Ewa Niewiadomska-Szynkiewicz,
- Abstract要約: 本稿では,大規模言語モデル(LLM)を利用した認知エージェントの大規模アジャイルフレームワーク(SAFe)への統合について検討する。
シミュレーションソフトウェア環境に仮想エージェントを配置することにより、ITプロジェクト開発における基本的な役割を果たす可能性を探る。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper investigates the integration of cognitive agents powered by Large Language Models (LLMs) within the Scaled Agile Framework (SAFe) to reinforce software project management. By deploying virtual agents in simulated software environments, this study explores their potential to fulfill fundamental roles in IT project development, thereby optimizing project outcomes through intelligent automation. Particular emphasis is placed on the adaptability of these agents to Agile methodologies and their transformative impact on decision-making, problem-solving, and collaboration dynamics. The research leverages the CogniSim ecosystem, a platform designed to simulate real-world software engineering challenges, such as aligning technical capabilities with business objectives, managing interdependencies, and maintaining project agility. Through iterative simulations, cognitive agents demonstrate advanced capabilities in task delegation, inter-agent communication, and project lifecycle management. By employing natural language processing to facilitate meaningful dialogues, these agents emulate human roles and improve the efficiency and precision of Agile practices. Key findings from this investigation highlight the ability of LLM-powered cognitive agents to deliver measurable improvements in various metrics, including task completion times, quality of deliverables, and communication coherence. These agents exhibit scalability and adaptability, ensuring their applicability across diverse and complex project environments. This study underscores the potential of integrating LLM-powered agents into Agile project management frameworks as a means of advancing software engineering practices. This integration not only refines the execution of project management tasks but also sets the stage for a paradigm shift in how teams collaborate and address emerging challenges.
- Abstract（参考訳）: 本稿では,大規模言語モデル(LLM)を利用した認知エージェントをSAFe(Scaled Agile Framework)に統合し,ソフトウェアプロジェクト管理の強化を図る。
シミュレーションソフトウェア環境に仮想エージェントを配置することにより、ITプロジェクト開発における基本的な役割を果たす可能性を探究し、インテリジェントな自動化を通じてプロジェクトの成果を最適化する。
特に、これらのエージェントのアジャイル方法論への適応性と、意思決定、問題解決、コラボレーションのダイナミクスに対する変革的な影響に重点を置いています。
この研究はCogniSimエコシステムを活用している。これは、ビジネス目標との技術的能力の整合、相互依存性の管理、プロジェクトのアジリティ維持など、現実世界のソフトウェアエンジニアリングの課題をシミュレートするためのプラットフォームだ。
反復シミュレーションを通じて、認知エージェントはタスクデリゲート、エージェント間コミュニケーション、プロジェクトライフサイクル管理における高度な能力を示す。
自然言語処理を使って意味のある対話を促進することで、これらのエージェントは人間の役割をエミュレートし、アジャイルプラクティスの効率性と精度を向上させる。
本研究の主な成果は, 作業完了時間, 納品品の品質, コミュニケーションコヒーレンスなど, LLM を利用した認知エージェントが, 様々な指標で測定可能な改善を達成できることである。
これらのエージェントはスケーラビリティと適応性を示し、多様な複雑なプロジェクト環境に適用可能であることを保証します。
この研究は、ソフトウェアエンジニアリングの実践を前進させる手段として、LCMを動力とするエージェントをアジャイルプロジェクト管理フレームワークに統合する可能性を強調します。
この統合は、プロジェクト管理タスクの実行を洗練させるだけでなく、チームがコラボレーションし、新たな課題に対処する方法におけるパラダイムシフトのステージも設定します。
関連論文リスト
- LLM-Based Agentic Systems for Software Engineering: Challenges and Opportunities [0.03437656066916039]
本論文は,LLMに基づくマルチエージェントシステムの新しいパラダイムを体系的にレビューする。
言語モデルの選択、SE評価ベンチマーク、最先端のエージェントフレームワーク、通信プロトコルなど、幅広いトピックを掘り下げる。
論文 参考訳（メタデータ） (2026-01-14T19:28:30Z) - HELP: Hierarchical Embodied Language Planner for Household Tasks [75.38606213726906]
複雑なシナリオを扱うエージェントは、堅牢な計画能力に大きく依存する。
広範な言語知識を備えた大規模言語モデルは、この役割を果たすことができる。
LLMをベースとした一組のエージェントからなる階層型エンボディード言語プランナーHELPを提案する。
論文 参考訳（メタデータ） (2025-12-25T15:54:08Z) - TongSIM: A General Platform for Simulating Intelligent Machines [59.27575233453533]
エボディード・インテリジェンス(Embodied Intelligence)は、現実的なシミュレートされた環境における訓練エージェントに焦点を当てる。
TongSIMは、エンボディエージェントのトレーニングと評価のための高忠実で汎用的なプラットフォームである。
論文 参考訳（メタデータ） (2025-12-23T10:00:43Z) - Impact of LLMs on Team Collaboration in Software Development [0.0]
大規模言語モデル(LLM)は、ソフトウェア開発プロセスに統合されつつある。
本稿では,LLMがソフトウェア開発ライフサイクル全体を通してチームコラボレーションにどのように影響するかを検討する。
論文 参考訳（メタデータ） (2025-10-07T18:16:17Z) - Agentic AI Reasoning for Mobile Edge General Intelligence: Fundamentals, Approaches, and Directions [74.35421055079655]
大規模言語モデル(LLM)は、強力な推論と自律的な意思決定能力を備えたエージェント人工知能(AI)の出現を可能にした。
Mobile Edge General Intelligence (MEGI)は、リアルタイムでプライバシ保護の推論をネットワークエッジにもたらす。
本稿では,MEGIにおけるLLM推論の効率的な展開のための共同最適化フレームワークを提案する。
論文 参考訳（メタデータ） (2025-09-27T10:53:48Z) - Using LLMs and Essence to Support Software Practice Adoption [0.3609538870261841]
本研究では,ソフトウェアエンジニアリングプラクティスを管理するための標準および思考フレームワークであるEssenceと,大規模言語モデル(LLM)の統合について検討する。
提案システムは、ドメイン固有のタスクにおいて、ベースラインよりも一貫して優れている。
論文 参考訳（メタデータ） (2025-08-22T14:59:35Z) - AI Agentic Programming: A Survey of Techniques, Challenges, and Opportunities [4.678921535956218]
AIエージェントプログラミングは、大規模言語モデル(LLM)が外部ツールを自律的に計画し、実行し、相互作用する新興パラダイムである。
この調査はAIエージェントプログラミングの総合的かつタイムリーなレビューを提供する。
論文 参考訳（メタデータ） (2025-08-15T00:14:31Z) - SV-LLM: An Agentic Approach for SoC Security Verification using Large Language Models [8.912091484067508]
SV-LLMは,システムオンチップ(SoC)セキュリティ検証の自動化と強化を目的とした,新しいマルチエージェントアシスタントシステムである。
検証質問応答、セキュリティ資産の識別、脅威モデリング、テスト計画とプロパティ生成、脆弱性検出、シミュレーションベースのバグ検証といったタスクのための特別なエージェントを統合することで、SV-LLMはワークフローを合理化する。
このシステムは,手作業による介入を減らすこと,精度の向上,セキュリティ分析の高速化,設計サイクルの初期段階におけるリスクの積極的な識別と緩和を支援することを目的としている。
論文 参考訳（メタデータ） (2025-06-25T13:31:13Z) - MLE-Dojo: Interactive Environments for Empowering LLM Agents in Machine Learning Engineering [57.156093929365255]
自律型大規模言語モデル(LLM)エージェントを体系的に強化し、評価し、改善するためのガイムスタイルのフレームワーク。
MLE-Dojoは、現実的なエンジニアリングシナリオを反映した、多様でオープンなMLEタスクを慎重にキュレートする。
完全に実行可能な環境は、教師付き微調整と強化学習の両方を通して包括的なエージェントトレーニングをサポートする。
論文 参考訳（メタデータ） (2025-05-12T17:35:43Z) - An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。
このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。
完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
論文 参考訳（メタデータ） (2025-04-20T16:57:45Z) - Exploring Individual Factors in the Adoption of LLMs for Specific Software Engineering Tasks [17.818350887316004]
本研究では,技術導入に伴う個々の属性と大規模言語モデル(LLM)の関係について検討する。
その結果、タスク固有の採用は異なる要因の影響を受けており、その一部は単独で考えると、採用に悪影響を及ぼすことが判明した。
論文 参考訳（メタデータ） (2025-04-03T13:07:04Z) - Optimizing Collaboration of LLM based Agents for Finite Element Analysis [1.5039745292757671]
本稿では,Large Language Models (LLM) 内の複数のエージェント間の相互作用について,プログラミングおよびコーディングタスクの文脈で検討する。
我々はAutoGenフレームワークを利用してエージェント間の通信を容易にし、各セットアップの40のランダムランからの成功率に基づいて異なる構成を評価する。
論文 参考訳（メタデータ） (2024-08-23T23:11:08Z) - 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) - Cooperate or Collapse: Emergence of Sustainable Cooperation in a Society of LLM Agents [101.17919953243107]
GovSimは、大規模言語モデル(LLM)における戦略的相互作用と協調的意思決定を研究するために設計された生成シミュレーションプラットフォームである。
最強のLSMエージェントを除く全てのエージェントは、GovSimの持続的均衡を達成することができず、生存率は54%以下である。
道徳的思考の理論である「大学化」に基づく推論を活用するエージェントは、持続可能性を大幅に向上できることを示す。
論文 参考訳（メタデータ） (2024-04-25T15:59:16Z) - 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)
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。