論文の概要: Scrum Sprint Planning: LLM-based and algorithmic solutions

• arxiv url: http://arxiv.org/abs/2512.18966v1
• Date: Mon, 22 Dec 2025 02:26:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.584496
• Title: Scrum Sprint Planning: LLM-based and algorithmic solutions
• Title（参考訳）: スクラムスプリントプランニング: LLMベースのアルゴリズムによるソリューション
• Authors: Yuwon Yoon, Kevin Iwan, Madeleine Zwart, Xiaohan Qin, Hina Lee, Maria Spichkova,
• Abstract要約: 今後のプロジェクトイテレーション(スプリント)の計画は、スクラム計画における重要な活動の1つです。 我々は,手動で作成したデータセットを用いて事例研究を行い,スプリント計画活動を支援するためのOpenAIモデルの適用性を検討した。
• 参考スコア（独自算出の注目度）: 5.825443910303277
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Planning for an upcoming project iteration (sprint) is one of the key activities in Scrum planning. In this paper, we present our work in progress on exploring the applicability of Large Language Models (LLMs) for solving this problem. We conducted case studies with manually created data sets to investigate the applicability of OpenAI models for supporting the sprint planning activities. In our experiments, we applied three models provided OpenAI: GPT-3.5 Turbo, GPT-4.0 Turbo, and Val. The experiments demonstrated that the results produced by the models aren't of acceptable quality for direct use in Scrum projects.
• Abstract（参考訳）: 今後のプロジェクトイテレーション(スプリント)の計画は、スクラム計画における重要な活動の1つです。 本稿では,この問題を解決するための大規模言語モデル (LLM) の適用性について検討する。 我々は,手動で作成したデータセットを用いて事例研究を行い,スプリント計画活動を支援するためのOpenAIモデルの適用性を検討した。 実験では,OpenAIが提供するGPT-3.5 Turbo, GPT-4.0 Turbo, Valの3つのモデルを適用した。 実験では、モデルが生み出した結果は、スクラムプロジェクトで直接使うには許容できる品質ではないことが示された。

関連論文リスト

• NATURAL PLAN: Benchmarking LLMs on Natural Language Planning [109.73382347588417]
  本稿では,3つのタスク – トリップ計画,ミーティング計画,カレンダースケジューリング – を含む,自然言語の現実的な計画ベンチマークであるNATURAL PLANを紹介する。 我々は、Google Flights、Google Maps、Google Calendarなどのツールからの出力を、モデルに対するコンテキストとして提供することによって、タスクに関する完全な情報を備えたLCMの計画能力に焦点をあてる。
  論文  参考訳（メタデータ） (2024-06-06T21:27:35Z)
• Exploring the Latest LLMs for Leaderboard Extraction [0.3072340427031969]
  本稿では, LLMs-ralMist 7B, Llama GPT-4-Turbo, GPT-4.o を用いて, 実験的なAI研究論文からリーダボード情報を抽出する方法について検討する。 本研究は,これらのモデルを用いて,研究論文からの4倍率(Task,Metric,Score)の生成性能を評価する。
  論文  参考訳（メタデータ） (2024-06-06T05:54:45Z)
• Robust Planning with LLM-Modulo Framework: Case Study in Travel Planning [19.79128776490271]
  本稿では,大規模言語モデルの多種多様な計画・推論活動への統合を促進する枠組みを提案する。 我々は,OSU NLPグループによる旅行計画ベンチマークを用いて,有効な旅程作成におけるLLMの性能評価を行う。 LLM-Modulo framework for TravelPlanning Domainの運用により、GPT4-Turboの4.6倍、GPT3.5-Turboのような古いモデルでは0%から5%のベースライン性能が向上した。
  論文  参考訳（メタデータ） (2024-05-31T05:23:35Z)
• Exploring Combinatorial Problem Solving with Large Language Models: A Case Study on the Travelling Salesman Problem Using GPT-3.5 Turbo [4.543552585804991]
  旅行セールスマン問題(TSP)の解決に向けた大規模言語モデル(LLM)の可能性について検討する。 GPT-3.5 Turboを微調整して特定の問題サイズを解き、様々なインスタンスサイズを用いてテストした。 微調整されたモデルでは、トレーニングインスタンスと大きさが同じ問題に対して有望な性能を示し、より大きな問題に対してよく一般化された。
  論文  参考訳（メタデータ） (2024-05-03T10:54:14Z)
• GPT Models in Construction Industry: Opportunities, Limitations, and a Use Case Validation [3.378773915814389]
  本研究は,建設業におけるGPTモデルの評価を目的とした。 その結果,プロジェクトライフサイクル全体を通してGPTモデルの可能性が明らかになった。 GPTモデルを活用する上での課題が強調され、材料選択と最適化のためのユースケースプロトタイプが開発されている。
  論文  参考訳（メタデータ） (2023-05-30T12:50:51Z)
• Large Language Models in the Workplace: A Case Study on Prompt Engineering for Job Type Classification [58.720142291102135]
  本研究では,実環境における職種分類の課題について検討する。 目標は、英語の求職が卒業生やエントリーレベルの地位に適切かどうかを判断することである。
  論文  参考訳（メタデータ） (2023-03-13T14:09:53Z)
• Assessing Project-Level Fine-Tuning of ML4SE Models [3.699097874146491]
  特定のプロジェクトをターゲットにすれば、モデルの品質をどのように改善できるかを検討する。 複雑さの異なる3つのモデルを評価し、その品質を3つの設定で比較する。 プロジェクトごとの微調整は、プロジェクトのドメインと命名規則をキャプチャすることで、モデルの品質を大幅に向上させることができます。
  論文  参考訳（メタデータ） (2022-06-07T14:19:33Z)
• CINS: Comprehensive Instruction for Few-shot Learning in Task-oriented Dialog Systems [56.302581679816775]
  本稿では,タスク固有の命令でPLMを利用する包括的インストラクション(CINS)を提案する。 命令のスキーマ(定義、制約、プロンプト)と、ToDの3つの重要な下流タスクに対するカスタマイズされた実現を設計する。 これらのToDタスクに対して,小さな検証データを用いた現実的な数ショット学習シナリオで実験を行った。
  論文  参考訳（メタデータ） (2021-09-10T03:23:06Z)

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。