論文の概要: The Software Engineering Simulations Lab: Agentic AI for RE Quality Simulations

• arxiv url: http://arxiv.org/abs/2511.17762v1
• Date: Fri, 21 Nov 2025 20:19:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-25 18:34:24.408597
• Title: The Software Engineering Simulations Lab: Agentic AI for RE Quality Simulations
• Title（参考訳）: The Software Engineering Simulations Lab: Agentic AI for RE Quality Simulations
• Authors: Henning Femmer, Ivan Esau,
• Abstract要約: 要求工学の品質(RE)は、いまだに逸話的で直観駆動である。 AIベースの開発が出現すると、要求品質の要因が変わる可能性がある。 本稿では、エージェントAIを用いたREシミュレーションのための第1のコンセプト、研究ロードマップ、プロトタイプ、および第1の実現可能性研究に貢献する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Context and motivation. Quality in Requirements Engineering (RE) is still predominantly anecdotal and intuition-driven. Creating a solid requirements quality model requires broad sets of empirical evidence to evaluate quality factors and their context. Problem. However, empirical data on the detailed effects of requirements quality defects is scarce, since it is costly to obtain. Furthermore, with the advent of AI-based development, the requirements quality factors may change: Requirements are no longer only consumed by humans, but increasingly also by AI agents, which might lead to a different efficient and effective requirements style. Principal ideas. We propose to extend the RE research toolbox with Agentic AI simulations, in which software engineering (SE) processes are replicated by standardized agents in stochastic, dynamic, event-driven, qualitative simulations. We argue that their speed and simplicity makes them a valuable addition to RE research, although limitations in replicating human behavior need to be studied and understood. Contribution. This paper contributes a first concept, a research roadmap, a prototype, and a first feasibility study for RE simulations with agentic AI. Study results indicate that even a naive implementation leads to executable simulations, encouraging technical improvements along with broader application in RE research.
• Abstract（参考訳）: コンテキストとモチベーション。 要求工学の品質(RE)は、いまだに逸話的で直観駆動である。 ソリッドな要求品質モデルを作成するには、品質要因とそのコンテキストを評価するために、幅広い実証的なエビデンスが必要です。 問題。 しかし,要求品質欠陥の詳細な影響に関する実証データはほとんど得られない。 さらに、AIベースの開発が出現すると、要求品質の要因が変わる可能性がある: 要求はもはや人間によって消費されるだけでなく、AIエージェントによっても消費されるようになり、異なる効率的かつ効果的な要求スタイルにつながる可能性がある。 主な考え。 本稿では,確率的,動的,イベント駆動,定性的なシミュレーションにおいて,ソフトウェア工学(SE)プロセスが標準化されたエージェントによって複製されるエージェントAIシミュレーションを用いてREリサーチツールボックスを拡張することを提案する。 人間の行動の複製の制限は研究と理解が必要であるが、これらのスピードと単純さはRE研究に価値ある付加物となると我々は主張する。 貢献。 本稿では、エージェントAIを用いたREシミュレーションのための第1のコンセプト、研究ロードマップ、プロトタイプ、および第1の実現可能性研究に貢献する。 研究結果から,単純な実装であっても実行可能なシミュレーションが実現し,RE研究の幅広い応用とともに技術的改善が促進されることが示唆された。

関連論文リスト

• Q-REAL: Towards Realism and Plausibility Evaluation for AI-Generated Content [71.46991494014382]
  本稿では,AI生成画像におけるリアリズムと妥当性の詳細な評価のための新しいデータセットであるQ-Realを紹介する。 Q-Realは、人気のあるテキスト・ツー・イメージ・モデルによって生成される3,088のイメージで構成されている。 そこで本研究では,Q-Real Benchを2つの課題,すなわち判断と推論による根拠付けに基づいて評価する。
  論文  参考訳（メタデータ） (2025-11-21T02:43:17Z)
• Towards Human-AI Synergy in Requirements Engineering: A Framework and Preliminary Study [2.195918681143262]
  本稿では,Human-AI RE Synergy Model(HARE-SM)を紹介する。 このモデルは、AIによる分析と人間の監視を統合して、要求の推論、分析、検証を改善する。 我々は、REデータセットの作成、微調整AIモデル、協調型ヒューマンAIの設計に焦点を当てた多段階の研究方法論を概説する。
  論文  参考訳（メタデータ） (2025-10-28T22:29:11Z)
• YuLan-OneSim: Towards the Next Generation of Social Simulator with Large Language Models [50.35333054932747]
  本稿では,YuLan-OneSimというソーシャルシミュレータを紹介する。 ユーザは、シミュレータとの自然言語インタラクションを通じて、シミュレーションシナリオを記述し、洗練することができます。 我々は、経済学、社会学、政治、心理学、組織、人口統計学、法律、コミュニケーションを含む8つの領域にまたがる50のデフォルトシミュレーションシナリオを実装した。
  論文  参考訳（メタデータ） (2025-05-12T14:05:17Z)
• MLGym: A New Framework and Benchmark for Advancing AI Research Agents [51.9387884953294]
  我々はMeta MLGymとMLGym-Benchを紹介した。これはAI研究タスクにおける大規模言語モデルの評価と開発のための新しいフレームワークとベンチマークである。 これは機械学習(ML)タスクのための最初のGym環境であり、そのようなエージェントをトレーニングするための強化学習(RL)アルゴリズムの研究を可能にする。 我々は、Claude-3.5-Sonnet、Llama-3.1 405B、GPT-4o、o1-preview、Gemini-1.5 Proなどのベンチマークで、多くのフロンティア大言語モデル(LLM)を評価した。
  論文  参考訳（メタデータ） (2025-02-20T12:28:23Z)
• Work in Progress: AI-Powered Engineering-Bridging Theory and Practice [0.0]
  本稿では,システム工学の重要なステップを自動化し,改善する上で,生成AIがいかに役立つかを考察する。 INCOSEの"よい要件"基準に基づいて、システム要件を分析するAIの能力を調べる。 この研究は、エンジニアリングプロセスを合理化し、学習結果を改善するAIの可能性を評価することを目的としている。
  論文  参考訳（メタデータ） (2025-02-06T17:42:00Z)
• Reusing Embeddings: Reproducible Reward Model Research in Large Language Model Alignment without GPUs [58.18140409409302]
  大規模言語モデル (LLM) は強化学習 (RL) を通じて構造化タスクに大きく進歩した。 チャットボットやコンテンツ生成といった幅広い分野にRLを適用することは、ユニークな課題だ。 埋め込み型報酬モデルを用いた既存の報酬モデルアンサンブル研究の再現事例について述べる。
  論文  参考訳（メタデータ） (2025-02-04T19:37:35Z)
• Generative AI in Health Economics and Outcomes Research: A Taxonomy of Key Definitions and Emerging Applications, an ISPOR Working Group Report [12.204470166456561]
  ジェネレーティブAIは、健康経済学と成果研究(HEOR)において大きな可能性を秘めている 生成AIは、HEORに大きな可能性を示し、効率性、生産性を高め、複雑な課題に対する新しいソリューションを提供する。 ファウンデーションモデルは複雑なタスクを自動化する上で有望だが、科学的信頼性、バイアス、解釈可能性、ワークフローの統合には課題が残っている。
  論文  参考訳（メタデータ） (2024-10-26T15:42:50Z)
• Facilitating Sim-to-real by Intrinsic Stochasticity of Real-Time Simulation in Reinforcement Learning for Robot Manipulation [1.6686307101054858]
  市販シミュレーションソフトウェアにおけるリアルタイムシミュレーション(RT-IS)の本質性について検討する。 RT-ISは、ランダム化を少なくし、タスク依存ではなく、従来のドメインランダム化駆動エージェントよりも優れた一般化性を実現する。
  論文  参考訳（メタデータ） (2023-04-12T12:15:31Z)

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。