論文の概要: LLM-Based Agentic Systems for Software Engineering: Challenges and Opportunities

• arxiv url: http://arxiv.org/abs/2601.09822v1
• Date: Wed, 14 Jan 2026 19:28:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-16 19:43:18.872594
• Title: LLM-Based Agentic Systems for Software Engineering: Challenges and Opportunities
• Title（参考訳）: ソフトウェア工学のためのLLMベースのエージェントシステム:課題と機会
• Authors: Yongjian Tang, Thomas Runkler,
• Abstract要約: 本論文は,LLMに基づくマルチエージェントシステムの新しいパラダイムを体系的にレビューする。 言語モデルの選択、SE評価ベンチマーク、最先端のエージェントフレームワーク、通信プロトコルなど、幅広いトピックを掘り下げる。
• 参考スコア（独自算出の注目度）: 0.03437656066916039
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite recent advancements in Large Language Models (LLMs), complex Software Engineering (SE) tasks require more collaborative and specialized approaches. This concept paper systematically reviews the emerging paradigm of LLM-based multi-agent systems, examining their applications across the Software Development Life Cycle (SDLC), from requirements engineering and code generation to static code checking, testing, and debugging. We delve into a wide range of topics such as language model selection, SE evaluation benchmarks, state-of-the-art agentic frameworks and communication protocols. Furthermore, we identify key challenges and outline future research opportunities, with a focus on multi-agent orchestration, human-agent coordination, computational cost optimization, and effective data collection. This work aims to provide researchers and practitioners with valuable insights into the current forefront landscape of agentic systems within the software engineering domain.
• Abstract（参考訳）: 近年のLLM(Large Language Models)の進歩にもかかわらず、複雑なソフトウェア工学(SE)タスクはより協調的で専門的なアプローチを必要とする。 この概念はLCMベースのマルチエージェントシステムの新たなパラダイムを体系的にレビューし、要件工学やコード生成から静的コードチェック、テスト、デバッグに至るまで、SDLC(Software Development Life Cycle)をまたいだアプリケーションについて検討する。 言語モデルの選択、SE評価ベンチマーク、最先端のエージェントフレームワーク、通信プロトコルなど、幅広いトピックを掘り下げる。 さらに、我々は重要な課題を特定し、マルチエージェントオーケストレーション、ヒューマンエージェント調整、計算コストの最適化、効率的なデータ収集に焦点を当て、今後の研究機会を概説する。 この研究は、ソフトウェアエンジニアリング領域におけるエージェントシステムの現在の前景について、研究者や実践者に貴重な洞察を提供することを目的としています。

関連論文リスト

• A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
  この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。 本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
  論文  参考訳（メタデータ） (2025-10-10T06:56:50Z)
• AI Agentic Programming: A Survey of Techniques, Challenges, and Opportunities [8.086360127362815]
  大規模言語モデル(LLM)ベースのコーディングエージェントは、コンパイラ、デバッガ、バージョン管理システムなどのツールを自律的に計画し、実行し、操作する。 従来のコード生成とは異なり、これらのエージェントは目標を分解し、多段階プロセスをコーディネートし、フィードバックに基づいて適応し、ソフトウェア開発のプラクティスを再構築する。
  論文  参考訳（メタデータ） (2025-08-15T00:14:31Z)
• A Survey on Code Generation with LLM-based Agents [61.474191493322415]
  大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。 LLMは3つのコア特徴によって特徴づけられる。 本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
  論文  参考訳（メタデータ） (2025-07-31T18:17:36Z)
• Deep Research Agents: A Systematic Examination And Roadmap [109.53237992384872]
  Deep Research (DR) エージェントは複雑な多ターン情報研究タスクに取り組むように設計されている。 本稿では,DRエージェントを構成する基礎技術とアーキテクチャコンポーネントの詳細な分析を行う。
  論文  参考訳（メタデータ） (2025-06-22T16:52:48Z)
• LLM-Based Multi-Agent Systems for Software Engineering: Literature Review, Vision and the Road Ahead [14.834072370183106]
  本稿では,LMA(Multi-Agent)システムへのLarge Language Modelの統合の可能性について検討する。 複数のエージェントの協調的かつ専門的な能力を活用することで、LMAシステムは自律的な問題解決を可能にし、堅牢性を改善し、現実世界のソフトウェアプロジェクトの複雑さを管理するスケーラブルなソリューションを提供する。
  論文  参考訳（メタデータ） (2024-04-07T07:05:40Z)

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。