論文の概要: Prompts as Software Engineering Artifacts: A Research Agenda and Preliminary Findings

• arxiv url: http://arxiv.org/abs/2509.17548v1
• Date: Mon, 22 Sep 2025 09:08:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 14:34:09.14197
• Title: Prompts as Software Engineering Artifacts: A Research Agenda and Preliminary Findings
• Title（参考訳）: ソフトウェアエンジニアリングアーティファクトとしてのプロンプット - 研究のアジェンダと予備的発見
• Authors: Hugo Villamizar, Jannik Fischbach, Alexander Korn, Andreas Vogelsang, Daniel Mendez,
• Abstract要約: この研究プログラムは、ソフトウェア工学における現在の急進的な実践、課題、および影響要因を特徴づける。 我々は6カ国から74人のソフトウェア専門家を対象に,現在の迅速な実践と課題について調査を行った。 プロンプトは、試行錯誤によって洗練され、滅多に再利用されず、標準化されたプラクティスよりも個々の実践者が形作ることが多い。
• 参考スコア（独自算出の注目度）: 39.35547205954143
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Developers now routinely interact with large language models (LLMs) to support a range of software engineering (SE) tasks. This prominent role positions prompts as potential SE artifacts that, like other artifacts, may require systematic development, documentation, and maintenance. However, little is known about how prompts are actually used and managed in LLM-integrated workflows, what challenges practitioners face, and whether the benefits of systematic prompt management outweigh the associated effort. To address this gap, we propose a research programme that (a) characterizes current prompt practices, challenges, and influencing factors in SE; (b) analyzes prompts as software artifacts, examining their evolution, traceability, reuse, and the trade-offs of systematic management; and (c) develops and empirically evaluates evidence-based guidelines for managing prompts in LLM-integrated workflows. As a first step, we conducted an exploratory survey with 74 software professionals from six countries to investigate current prompt practices and challenges. The findings reveal that prompt usage in SE is largely ad-hoc: prompts are often refined through trial-and-error, rarely reused, and shaped more by individual heuristics than standardized practices. These insights not only highlight the need for more systematic approaches to prompt management but also provide the empirical foundation for the subsequent stages of our research programme.
• Abstract（参考訳）: 開発者は、様々なソフトウェアエンジニアリング(SE)タスクをサポートするために、定期的に大きな言語モデル(LLM)と対話する。 この顕著な役割は、他のアーティファクトと同様に、体系的な開発、ドキュメント、メンテナンスを必要とする可能性のあるSEアーティファクトとして促される。 しかしながら、LLM統合ワークフローでプロンプトが実際にどのように使われ、管理されているか、実践者が直面している課題、体系的なプロンプト管理の利点が関連する労力を上回っているかどうかについては、ほとんど分かっていない。 このギャップに対処するために,我々は研究プログラムを提案する。 (a)SEにおける現在の急進的慣行、課題及び影響要因を特徴づける b)プロンプトをソフトウェアアーティファクトとして分析し、その進化、トレーサビリティ、再利用、および系統管理のトレードオフを調べ、 (c) LLM統合ワークフローにおけるプロンプト管理のためのエビデンスベースのガイドラインを開発・実証的に評価する。 最初のステップとして,6カ国から74人のソフトウェア専門家を対象に,現在の迅速な実践と課題について調査を行った。 プロンプトは、試行錯誤によって洗練され、滅多に再利用されず、標準化されたプラクティスよりも個々のヒューリスティックによって形作られています。 これらの知見は、マネジメントを促進するためのより体系的なアプローチの必要性を浮き彫りにするだけでなく、我々の研究プログラムのその後の段階の実証的基盤を提供する。

関連論文リスト

• Large Language Models (LLMs) for Requirements Engineering (RE): A Systematic Literature Review [2.0061679654181392]
  本研究は,出版動向,RE活動,促進戦略,評価方法など,諸次元の文献を分類する。 研究の多くは、欠陥検出や分類よりも、要件の適用と検証にLLMを使うことに重点を置いている。 問題追跡システム、規制、技術マニュアルなど、他のアーティファクトもますます検討されている。
  論文  参考訳（メタデータ） (2025-09-14T21:45:01Z)
• Agile Management for Machine Learning: A Systematic Mapping Study [1.0396117988046165]
  機械学習(ML)対応システムは私たちの社会に存在し、重要なデジタルトランスフォーメーションを推進しています。 ML開発のダイナミックな性質は、実験的なサイクルとデータの急激な変化によって特徴づけられ、従来のプロジェクト管理に課題をもたらします。 本研究の目的は,ML対応システムのアジャイル管理における技術の現状を概説することである。
  論文  参考訳（メタデータ） (2025-06-25T18:47:08Z)
• Evaluating Large Language Models for Real-World Engineering Tasks [75.97299249823972]
  本稿では,実運用指向のエンジニアリングシナリオから得られた100以上の質問をキュレートしたデータベースを提案する。 このデータセットを用いて、4つの最先端の大規模言語モデル(LLM)を評価する。 以上の結果から,LLMは時間的および構造的推論において強みを示すが,抽象的推論や形式的モデリング,文脈に敏感な工学的論理にはかなり苦労することがわかった。
  論文  参考訳（メタデータ） (2025-05-12T14:05:23Z)
• Promptware Engineering: Software Engineering for LLM Prompt Development [22.788377588087894]
  大規模言語モデル(LLM)は、ソフトウェアアプリケーションに統合され、プロンプトが主要な'プログラミング'インターフェースとして機能する。 その結果,新たなソフトウェアパラダイムであるプロンプトウェアが出現し,自然言語のプロンプトを使ってLLMと対話する。 フォーマルなプログラミング言語や決定論的ランタイム環境に依存する従来のソフトウェアとは異なり、プロンプトウェアはあいまいで非構造的で文脈に依存した自然言語に基づいている。
  論文  参考訳（メタデータ） (2025-03-04T08:43:16Z)
• How to Measure Performance in Agile Software Development? A Mixed-Method Study [2.477589198476322]
  この研究は、アジャイルソフトウェア開発のパフォーマンス指標を実際に使用するときに生じる課題を特定することを目的としている。 結果として、広く使用されているパフォーマンスメトリクスが実際に広く使用されている一方で、アジャイルソフトウェア開発チームは透明性と標準化の欠如と不十分な正確性のために、課題に直面しています。
  論文  参考訳（メタデータ） (2024-07-08T19:53:01Z)
• Can Long-Context Language Models Subsume Retrieval, RAG, SQL, and More? [54.667202878390526]
  長文言語モデル(LCLM)は、従来、検索システムやデータベースといった外部ツールに依存していたタスクへのアプローチに革命をもたらす可能性がある。 実世界のタスクのベンチマークであるLOFTを導入し、文脈内検索と推論においてLCLMの性能を評価するために設計された数百万のトークンを出力する。 以上の結果からLCLMは,これらのタスクを明示的に訓練したことがないにも関わらず,最先端の検索システムやRAGシステムと競合する驚くべき能力を示した。
  論文  参考訳（メタデータ） (2024-06-19T00:28:58Z)
• Experiential Co-Learning of Software-Developing Agents [83.34027623428096]
  大規模言語モデル(LLM)は、特にソフトウェア開発において、様々な領域に大きな変化をもたらした。 本稿では,新しいLLM学習フレームワークであるExperiential Co-Learningを紹介する。 実験では、このフレームワークにより、エージェントは、目に見えないソフトウェア開発タスクをより効果的に対処できることを示した。
  論文  参考訳（メタデータ） (2023-12-28T13:50:42Z)
• Just Tell Me: Prompt Engineering in Business Process Management [63.08166397142146]
  GPT-3や他の言語モデル(LM)は、様々な自然言語処理(NLP)タスクに効果的に対処できる。 私たちは、迅速なエンジニアリングは、BPM研究にLMの能力をもたらすことができると論じています。
  論文  参考訳（メタデータ） (2023-04-14T14:55:19Z)
• Software engineering for artificial intelligence and machine learning software: A systematic literature review [6.681725960709127]
  本研究は,AI/MLシステムの開発において,ソフトウェア工学がどのように応用されてきたかを検討することを目的とする。 プロフェッショナルが直面する主な課題は、テスト、AIソフトウェアの品質、データ管理といった分野だ。
  論文  参考訳（メタデータ） (2020-11-07T11:06:28Z)
• Curriculum Learning for Reinforcement Learning Domains: A Framework and Survey [53.73359052511171]
  強化学習(Reinforcement Learning, RL)は、エージェントが限られた環境フィードバックしか持たないシーケンシャルな意思決定タスクに対処するための一般的なパラダイムである。 本稿では、RLにおけるカリキュラム学習(CL)の枠組みを提案し、既存のCLメソッドを仮定、能力、目標の観点から調査・分類する。
  論文  参考訳（メタデータ） (2020-03-10T20:41:24Z)

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。