論文の概要: Compiler.next: A Search-Based Compiler to Power the AI-Native Future of Software Engineering
- arxiv url: http://arxiv.org/abs/2510.24799v1
- Date: Mon, 27 Oct 2025 21:01:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-30 15:50:44.502976
- Title: Compiler.next: A Search-Based Compiler to Power the AI-Native Future of Software Engineering
- Title（参考訳）: Compiler.next:AIによるソフトウエアエンジニアリングの未来を支える検索ベースのコンパイラ
- Authors: Filipe R. Cogo, Gustavo A. Oliva, Ahmed E. Hassan,
- Abstract要約: 我々はAIネイティブソフトウェアシステムのシームレスな進化を可能にするために設計された新しい検索ベースのコンパイラであるCompiler.nextを紹介する。
従来の静的コンパイラとは異なり、Compiler.nextは人間によるインテントを取り込み、最適なソリューションを探すことで動作するソフトウェアを自動的に生成する。
本稿では、高品質なプログラミング構造の開発、効率的な検索構造、コンパイラ間の相互運用性など、インテントコンパイルにおける中核的な課題に対処するためのロードマップを示す。
- 参考スコア（独自算出の注目度）: 3.8060608371616778
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The rapid advancement of AI-assisted software engineering has brought transformative potential to the field of software engineering, but existing tools and paradigms remain limited by cognitive overload, inefficient tool integration, and the narrow capabilities of AI copilots. In response, we propose Compiler.next, a novel search-based compiler designed to enable the seamless evolution of AI-native software systems as part of the emerging Software Engineering 3.0 era. Unlike traditional static compilers, Compiler.next takes human-written intents and automatically generates working software by searching for an optimal solution. This process involves dynamic optimization of cognitive architectures and their constituents (e.g., prompts, foundation model configurations, and system parameters) while finding the optimal trade-off between several objectives, such as accuracy, cost, and latency. This paper outlines the architecture of Compiler.next and positions it as a cornerstone in democratizing software development by lowering the technical barrier for non-experts, enabling scalable, adaptable, and reliable AI-powered software. We present a roadmap to address the core challenges in intent compilation, including developing quality programming constructs, effective search heuristics, reproducibility, and interoperability between compilers. Our vision lays the groundwork for fully automated, search-driven software development, fostering faster innovation and more efficient AI-driven systems.
- Abstract（参考訳）: AI支援ソフトウェアエンジニアリングの急速な進歩は、ソフトウェアエンジニアリングの分野に変革をもたらす可能性があるが、既存のツールやパラダイムは、認知的過負荷、非効率なツール統合、AIコピロの限られた能力によって制限されている。
そこで我々は,新たに登場したSoftware Engineering 3.0時代の一部として,AIネイティブソフトウェアシステムのシームレスな進化を実現するために設計された,新しい検索ベースのコンパイラであるCompiler.nextを提案する。
従来の静的コンパイラとは異なり、Compiler.nextは人間によるインテントを取り込み、最適なソリューションを探すことで動作するソフトウェアを自動的に生成する。
このプロセスでは、認知アーキテクチャとその構成要素(プロンプト、基礎モデル構成、システムパラメータなど)を動的に最適化し、正確性、コスト、レイテンシといったいくつかの目標間の最適なトレードオフを見つけます。
本稿では、Compiler.nextのアーキテクチャを概説し、非専門家の技術的障壁を低くし、スケーラブルで適応性があり、信頼性の高いAI駆動ソフトウェアを可能にすることにより、ソフトウェア開発の民主化の基盤と位置づける。
高品質なプログラミング構築物の開発,効率的な探索ヒューリスティック,再現性,コンパイラ間の相互運用性など,インテントコンパイルにおけるコア課題に対処するためのロードマップを提示する。
私たちのビジョンは、完全に自動化され、検索駆動のソフトウェア開発の基盤を築き、より高速なイノベーションとより効率的なAI駆動システムを促進します。
関連論文リスト
- 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 vs. Agentic Coding: Fundamentals and Practical Implications of Agentic AI [0.36868085124383626]
レビューでは、AI支援ソフトウェア開発の新たなパラダイムとして、バイブコーディングとエージェントコーディングの2つを包括的に分析している。
Vibeのコーディングは、インプットベースで対話的なインタラクションを通じて、直感的で、ループ内の人間間インタラクションを強調する。
エージェントコーディングは、最小限の介入でタスクを計画、実行、テスト、反復できる目標駆動エージェントを通じて、自律的なソフトウェア開発を可能にする。
論文 参考訳（メタデータ） (2025-05-26T03:00:21Z) - Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [58.50944604905037]
エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。
AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。
この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
論文 参考訳（メタデータ） (2025-05-03T13:55:38Z) - Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。
まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。
次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文 参考訳（メタデータ） (2025-03-28T17:17:57Z) - 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) - Comparing Software Developers with ChatGPT: An Empirical Investigation [0.0]
本稿では,ChatGPTのようなソフトウェア技術者やAIシステムのパフォーマンスを,さまざまな評価指標で比較した実証的研究を行う。
この論文は、さまざまな評価基準を考慮して、ソフトウェアエンジニアとAIベースのソリューションの包括的な比較が、人間と機械のコラボレーションを促進する上で重要であることを示唆している。
論文 参考訳（メタデータ） (2023-05-19T17:25:54Z) - Automated Machine Learning: A Case Study on Non-Intrusive Appliance Load Monitoring [81.06807079998117]
非侵入的機器負荷モニタリング(NIALM)のための自動機械学習(AutoML)を実現する新しい手法を提案する。
NIALMは、電子機器や家電のエネルギー消費を測定するためのスマートメーターに代わる費用対効果を提供する。
論文 参考訳（メタデータ） (2022-03-06T10:12:56Z)
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。