論文の概要: Ten Simple Rules for AI-Assisted Coding in Science

• arxiv url: http://arxiv.org/abs/2510.22254v2
• Date: Fri, 31 Oct 2025 06:51:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-03 13:41:53.406674
• Title: Ten Simple Rules for AI-Assisted Coding in Science
• Title（参考訳）: 科学におけるAI支援コーディングの簡単な10のルール
• Authors: Eric W. Bridgeford, Iain Campbell, Zijao Chen, Zhicheng Lin, Harrison Ritz, Joachim Vandekerckhove, Russell A. Poldrack,
• Abstract要約: 我々は,AIの能力と科学的および方法論的厳密さのバランスをとるための,AI支援コーディングのための10の実践的ルールを提供する。 これらの原則は、コーディング決定におけるヒューマンエージェンシーの維持、堅牢な検証手順の確立、方法論的に健全な研究に不可欠なドメインの専門知識の維持に寄与する。
• 参考スコア（独自算出の注目度）: 2.6232508912640937
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While AI coding tools have demonstrated potential to accelerate software development, their use in scientific computing raises critical questions about code quality and scientific validity. In this paper, we provide ten practical rules for AI-assisted coding that balance leveraging capabilities of AI with maintaining scientific and methodological rigor. We address how AI can be leveraged strategically throughout the development cycle with four key themes: problem preparation and understanding, managing context and interaction, testing and validation, and code quality assurance and iterative improvement. These principles serve to emphasize maintaining human agency in coding decisions, establishing robust validation procedures, and preserving the domain expertise essential for methodologically sound research. These rules are intended to help researchers harness AI's transformative potential for faster software development while ensuring that their code meets the standards of reliability, reproducibility, and scientific validity that research integrity demands.
• Abstract（参考訳）: AIコーディングツールはソフトウェア開発を加速する可能性を示しているが、科学計算における彼らの使用は、コード品質と科学的妥当性に関する重要な疑問を提起している。 本稿では,AIの能力と科学的および方法論的厳密さのバランスをとるための,AI支援コーディングのための10の実践的ルールを提案する。 問題の準備と理解、コンテキストとインタラクションの管理、テストと検証、コード品質の保証と反復的改善の4つのテーマで、開発サイクルを通じてAIを戦略的に活用する方法に対処します。 これらの原則は、コーディング決定におけるヒューマンエージェンシーの維持、堅牢な検証手順の確立、方法論的に健全な研究に不可欠なドメインの専門知識の維持に寄与する。 これらのルールは、研究者が研究の完全性を要求する信頼性、再現性、科学的妥当性の基準を満たすことを保証しながら、より高速なソフトウェア開発にAIの変革的なポテンシャルを活用するのに役立つことを意図している。

関連論文リスト

• Software Fairness Testing in Practice [0.21427777919040417]
  本研究では、ソフトウェアプロフェッショナルがAIとMLプロジェクトに取り組む22人の実践者とのインタビューを通じて、公正のためにAIを活用したシステムをテストする方法について検討する。 以上の結果から,理論的公正の概念と産業実践との間に大きなギャップがあることが示唆された。 主な課題は、データ品質と多様性、時間制約、効果的なメトリクスの定義、モデルの相互運用性の確保である。
  論文  参考訳（メタデータ） (2025-06-20T16:03:02Z)
• The AI Imperative: Scaling High-Quality Peer Review in Machine Learning [49.87236114682497]
  AIによるピアレビューは、緊急の研究とインフラの優先事項になるべきだ、と私たちは主張する。 我々は、事実検証の強化、レビュアーのパフォーマンスの指導、品質改善における著者の支援、意思決定におけるAC支援におけるAIの具体的な役割を提案する。
  論文  参考訳（メタデータ） (2025-06-09T18:37:14Z)
• Enhancing Trust in Language Model-Based Code Optimization through RLHF: A Research Design [0.0]
  本研究の目的は、人間のフィードバックを効果的に統合する、信頼性の高いLMを用いたコード最適化手法を開発することである。 この作業は、ソフトウェアエンジニアリングの協力的側面と人間中心の側面を前進させるという、より広範な目標と一致します。
  論文  参考訳（メタデータ） (2025-02-10T18:48:45Z)
• The why, what, and how of AI-based coding in scientific research [0.0]
  生成AI、特に大きな言語モデル(LLM)は、コーディングを直感的な会話に変換する可能性がある。 私たちは3つの重要なレンズを通してAIベースのコーディングを区別します。 コーディングにおけるAIの限界と将来の展望に対処する。
  論文  参考訳（メタデータ） (2024-10-03T02:36:30Z)
• 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)
• The Role of AI in Drug Discovery: Challenges, Opportunities, and Strategies [97.5153823429076]
  この分野でのAIのメリット、課題、欠点についてレビューする。 データ拡張、説明可能なAIの使用、従来の実験手法とAIの統合についても論じている。
  論文  参考訳（メタデータ） (2022-12-08T23:23:39Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)

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。