論文の概要: Cognitive Biases in LLM-Assisted Software Development

• arxiv url: http://arxiv.org/abs/2601.08045v1
• Date: Mon, 12 Jan 2026 22:32:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-14 18:27:18.971594
• Title: Cognitive Biases in LLM-Assisted Software Development
• Title（参考訳）: LLM支援ソフトウェア開発における認知バイアス
• Authors: Xinyi Zhou, Zeinadsadat Saghi, Sadra Sabouri, Rahul Pandita, Mollie McGuire, Souti Chattopadhyay,
• Abstract要約: 本稿では,Large Language Models (LLMs) を用いた開発における認知バイアスの包括的研究について述べる。 開発者とLLMの相互作用に特有の90の認知バイアスの体系的分析を通じて,認知心理学者が検証した15のバイアスカテゴリーの分類法を開発した。
• 参考スコア（独自算出の注目度）: 4.020789871097349
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The widespread adoption of Large Language Models (LLMs) in software development is transforming programming from a solution-generative to a solution-evaluative activity. This shift opens a pathway for new cognitive challenges that amplify existing decision-making biases or create entirely novel ones. One such type of challenge stems from cognitive biases, which are thinking patterns that lead people away from logical reasoning and result in sub-optimal decisions. How do cognitive biases manifest and impact decision-making in emerging AI-collaborative development? This paper presents the first comprehensive study of cognitive biases in LLM-assisted development. We employ a mixed-methods approach, combining observational studies with 14 student and professional developers, followed by surveys with 22 additional developers. We qualitatively compare categories of biases affecting developers against the traditional non-LLM workflows. Our findings suggest that LLM-related actions are more likely to be associated with novel biases. Through a systematic analysis of 90 cognitive biases specific to developer-LLM interactions, we develop a taxonomy of 15 bias categories validated by cognitive psychologists. We found that 48.8% of total programmer actions are biased, and developer-LLM interactions account for 56.4% of these biased actions. We discuss how these bias categories manifest, present tools and practices for developers, and recommendations for LLM tool builders to help mitigate cognitive biases in human-AI programming.
• Abstract（参考訳）: ソフトウェア開発におけるLarge Language Models(LLM)の普及は、プログラミングをソリューション生成からソリューション評価活動へと変えつつある。 このシフトは、既存の意思決定バイアスを増幅したり、全く新しいものを作る、新しい認知的課題の道を開く。 このような課題の1つが認知バイアスであり、それは人々が論理的推論から遠ざかって、結果として準最適決定を下すパターンである。 認知バイアスはAI共同開発においてどのように現れ、意思決定に影響を及ぼすか? 本稿では,LLM支援開発における認知バイアスの包括的研究について述べる。 我々は、14人の学生とプロの開発者による観察的研究と、22人の開発者による調査を組み合わせた、混合方法論のアプローチを採用しています。 従来の非LLMワークフローに対して、開発者に影響を与えるバイアスのカテゴリを質的に比較します。 以上の結果から,LSM関連行動は新たなバイアスに関連している可能性が示唆された。 開発者とLLMの相互作用に特有の90の認知バイアスの体系的分析を通じて,認知心理学者が検証した15のバイアスカテゴリーの分類法を開発した。 総プログラマのアクションの48.8%がバイアスで、開発者とLLMのインタラクションが56.4%を占めています。 我々は、これらのバイアスカテゴリがどのように現れ、開発者のためのツールとプラクティスを示し、人間-AIプログラミングにおける認知バイアスを軽減するためのLLMツールビルダーの推奨について論じる。

関連論文リスト

• Cognitive Foundations for Reasoning and Their Manifestation in LLMs [63.12951576410617]
  大規模言語モデル(LLM)は複雑な問題を解くが、単純な変種では失敗し、人間の推論と根本的に異なるメカニズムによって正しい出力を達成することを示唆している。 我々は認知科学研究を、推論不変量、メタ認知制御、推論と知識の組織化のための表現、変換操作にまたがる28の認知要素の分類学に合成する。 複雑な問題に対して66.7%の性能向上を図り、成功構造を自動的に把握するテストタイム推論ガイダンスを開発した。
  論文  参考訳（メタデータ） (2025-11-20T18:59:00Z)
• Is General-Purpose AI Reasoning Sensitive to Data-Induced Cognitive Biases? Dynamic Benchmarking on Typical Software Engineering Dilemmas [47.582118202259394]
  汎用AI(GPAI)システムは、人間の非人間性による認知バイアスを軽減するのに役立つ。 GPAIシステム自体に認知バイアスがあるのだろうか? ソフトウェア工学におけるGPAIにおけるデータ誘発認知バイアスを評価するための最初のベンチマークフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-08-15T07:29:46Z)
• Self-Adaptive Cognitive Debiasing for Large Language Models in Decision-Making [71.71796367760112]
  大規模言語モデル(LLM)は意思決定アプリケーションをサポートする可能性を示している。 我々は,自己適応型認知脱バイアス(SACD)という認知脱バイアス手法を提案する。 オープンウェイトとクローズドウェイトの両方を用いた金融・医療・法的意思決定タスクにおけるSACDの評価を行った。
  論文  参考訳（メタデータ） (2025-04-05T11:23:05Z)
• Cognitive Bias in Decision-Making with LLMs [19.87475562475802]
  大規模言語モデル(LLM)は、幅広い意思決定タスクをサポートするツールとして大きな可能性を秘めている。 LLMは保護されたグループに対する社会的バイアスを継承し、認知バイアスと機能的に類似している。 私たちの研究は、LLMの認知バイアスを発見し、評価し、緩和するために設計されたフレームワークであるBiasBusterを紹介します。
  論文  参考訳（メタデータ） (2024-02-25T02:35:56Z)

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。