論文の概要: Code Digital Twin: Empowering LLMs with Tacit Knowledge for Complex Software Development
- arxiv url: http://arxiv.org/abs/2510.16395v2
- Date: Mon, 27 Oct 2025 12:09:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-28 15:28:14.421494
- Title: Code Digital Twin: Empowering LLMs with Tacit Knowledge for Complex Software Development
- Title（参考訳）: Code Digital Twin: 複雑なソフトウェア開発のための暗黙の知識によるLLMの強化
- Authors: Xin Peng, Chong Wang,
- Abstract要約: ソフトウェアモデルと大規模言語モデルの両方の観点から、課題を特定します。
ソフトウェアの物理層と概念層の両方をモデル化するフレームワークであるCode Digital Twinを提案する。
私たちのビジョンは、AIの進歩とエンタープライズソフトウェアの現実の橋渡しと位置づけています。
- 参考スコア（独自算出の注目度）: 8.821206496273842
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent advances in large language models (LLMs) have demonstrated strong capabilities in software engineering tasks, raising expectations of revolutionary productivity gains. However, enterprise software development is largely driven by incremental evolution, where challenges extend far beyond routine coding and depend critically on tacit knowledge, including design decisions at different levels and historical trade-offs. To achieve effective AI-powered support for complex software development, we should align emerging AI capabilities with the practical realities of enterprise development. To this end, we systematically identify challenges from both software and LLM perspectives. Alongside these challenges, we outline opportunities where AI and structured knowledge frameworks can enhance decision-making in tasks such as issue localization and impact analysis. To address these needs, we propose the Code Digital Twin, a living framework that models both the physical and conceptual layers of software, preserves tacit knowledge, and co-evolves with the codebase. By integrating hybrid knowledge representations, multi-stage extraction pipelines, incremental updates, LLM-empowered applications, and human-in-the-loop feedback, the Code Digital Twin transforms fragmented knowledge into explicit and actionable representations. Our vision positions it as a bridge between AI advancements and enterprise software realities, providing a concrete roadmap toward sustainable, intelligent, and resilient development and evolution of ultra-complex systems.
- Abstract（参考訳）: 大規模言語モデル(LLM)の最近の進歩は、ソフトウェア工学のタスクにおいて強力な能力を示し、革命的な生産性向上への期待を高めている。
しかし、エンタープライズソフトウェア開発は、主に漸進的な進化によって引き起こされる。そこでは、課題は日常的なコーディングを超えて、さまざまなレベルでの設計決定や歴史的なトレードオフなど、暗黙の知識に依存している。
複雑なソフトウェア開発にAIを活用した効果的なサポートを実現するためには、新興のAI能力とエンタープライズ開発の現実を整合させる必要がある。
この目的のために,ソフトウェアとLLMの両方の観点から,課題を体系的に識別する。
これらの課題に加えて、AIと構造化知識フレームワークが課題のローカライゼーションや影響分析といったタスクにおける意思決定を強化する機会を概説する。
これらのニーズに対処するために、我々は、ソフトウェアの物理層と概念層の両方をモデル化し、暗黙の知識を保持し、コードベースと共進化する生きたフレームワークであるCode Digital Twinを提案する。
ハイブリッドな知識表現、多段階抽出パイプライン、インクリメンタルなアップデート、LLMを利用したアプリケーション、ループ内のフィードバックを統合することで、Code Digital Twinは、断片化された知識を明示的で実行可能な表現に変換する。
私たちのビジョンでは、AIの進歩とエンタープライズソフトウェアの現実の橋渡しとして、超複雑なシステムの持続的でインテリジェントでレジリエントな開発と進化に向けた具体的なロードマップを提供しています。
関連論文リスト
- Empowering Real-World: A Survey on the Technology, Practice, and Evaluation of LLM-driven Industry Agents [63.03252293761656]
本稿では,大規模言語モデル(LLM)に基づく産業エージェントの技術,応用,評価手法を体系的にレビューする。
エージェント能力の進歩を支える3つの重要な技術柱として,記憶,計画,ツール利用について検討する。
本稿では,デジタル工学,科学的発見,具体的インテリジェンス,協調ビジネス実行,複雑なシステムシミュレーションといった実世界の領域における産業エージェントの応用の概要について述べる。
論文 参考訳（メタデータ） (2025-10-20T12:46:55Z) - A Survey of Vibe Coding with Large Language Models [93.88284590533242]
視覚符号化(Vibe Coding)は、開発者が成果観察を通じてAI生成の実装を検証する開発手法である。
変革の可能性にもかかわらず、この創発的パラダイムの有効性は未解明のままである。
この調査は、大規模な言語モデルによるVibe Codingの総合的かつ体系的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-10-14T11:26:56Z) - Generative AI and the Transformation of Software Development Practices [0.0]
ジェネレーティブAIは、ソフトウェアの設計、記述、保守の方法を変えようとしている。
本稿では,AI支援技術がソフトウェア工学の実践をどのように変化させているかを検討する。
論文 参考訳（メタデータ） (2025-10-12T22:02:10Z) - Vibe Coding as a Reconfiguration of Intent Mediation in Software Development: Definition, Implications, and Research Agenda [4.451779041553598]
vibeコーディングは、人間と生成AIが協調してソフトウェアアーティファクトを創造する、ソフトウェア開発パラダイムである。
バイブ符号化は人間と機械の労働を再分配することで認知作業を再構成することを示す。
リスクとともに、民主化、加速、システムレバレッジなど、重要な機会を特定します。
論文 参考訳（メタデータ） (2025-07-29T15:44:55Z) - LLMs: A Game-Changer for Software Engineers? [0.0]
GPT-3やGPT-4のような大規模言語モデル(LLM)は、従来のAIアプリケーションを超えた機能を備えた画期的なイノベーションとして登場した。
ソフトウェア開発に革命をもたらす潜在能力は、ソフトウェアエンジニアリング(SE)コミュニティを魅了している。
この記事では、LCMはソフトウェアの開発方法を変えるだけでなく、開発者の役割を再定義するものである、と論じる。
論文 参考訳（メタデータ） (2024-11-01T17:14:37Z) - Overview of Current Challenges in Multi-Architecture Software Engineering and a Vision for the Future [0.0]
提示されたシステムアーキテクチャは、動的な知識グラフベースのWebAssembly Twinsの概念に基づいている。
結果として得られるシステムは、エンドユーザによる完全な透明性とコントロール性を備えた、高度な自律能力を持つことになる。
論文 参考訳（メタデータ） (2024-10-28T13:03:09Z) - 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) - Exploring the intersection of Generative AI and Software Development [0.0]
生成AIとソフトウェアエンジニアリングの相乗効果は、変革的なフロンティアとして現れます。
このホワイトペーパーは、探索されていない領域に展開し、生成的AI技術がソフトウェア開発にどのように革命をもたらすかを解明する。
これはステークホルダーのためのガイドとして機能し、ソフトウェア工学における生成AIの適用に関する議論と実験を促している。
論文 参考訳（メタデータ） (2023-12-21T19:23:23Z) - 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。