論文の概要: Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey

• arxiv url: http://arxiv.org/abs/2601.11655v1
• Date: Thu, 15 Jan 2026 18:55:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.256611
• Title: Advances and Frontiers of LLM-based Issue Resolution in Software Engineering: A Comprehensive Survey
• Title（参考訳）: ソフトウェア工学におけるLCMに基づく課題解決の進展とフロンティア:総合的な調査
• Authors: Caihua Li, Lianghong Guo, Yanlin Wang, Daya Guo, Wei Tao, Zhenyu Shan, Mingwei Liu, Jiachi Chen, Haoyu Song, Duyu Tang, Hongyu Zhang, Zibin Zheng,
• Abstract要約: 課題解決は、現実世界の開発に不可欠な複雑なソフトウェアエンジニアリングタスクです。 SWE-benchのようなベンチマークでは、このタスクは大規模言語モデルでは極めて困難であることが判明した。 本稿では,この新興領域を体系的に調査する。
• 参考スコア（独自算出の注目度）: 59.3507264893654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Issue resolution, a complex Software Engineering (SWE) task integral to real-world development, has emerged as a compelling challenge for artificial intelligence. The establishment of benchmarks like SWE-bench revealed this task as profoundly difficult for large language models, thereby significantly accelerating the evolution of autonomous coding agents. This paper presents a systematic survey of this emerging domain. We begin by examining data construction pipelines, covering automated collection and synthesis approaches. We then provide a comprehensive analysis of methodologies, spanning training-free frameworks with their modular components to training-based techniques, including supervised fine-tuning and reinforcement learning. Subsequently, we discuss critical analyses of data quality and agent behavior, alongside practical applications. Finally, we identify key challenges and outline promising directions for future research. An open-source repository is maintained at https://github.com/DeepSoftwareAnalytics/Awesome-Issue-Resolution to serve as a dynamic resource in this field.
• Abstract（参考訳）: 現実世界の開発に不可欠な複雑なソフトウェアエンジニアリング(SWE)タスクである課題解決は、人工知能にとって魅力的な課題として現れている。 SWE-benchのようなベンチマークの確立により、このタスクは大規模言語モデルでは極めて困難であることが判明し、それによって自律的なコーディングエージェントの進化が著しく加速された。 本稿では,この新興領域を体系的に調査する。 まず、データ構築パイプラインを調べ、自動収集と合成のアプローチを取り上げます。 次に、トレーニング不要なフレームワークをモジュラーコンポーネントで網羅的に分析し、教師付き微調整や強化学習を含むトレーニングベースの技術に分割する。 続いて,データ品質とエージェントの挙動に関する批判的分析を実践的応用とともに議論する。 最後に、重要な課題を特定し、今後の研究に向けた有望な方向性を概説する。 オープンソースリポジトリはhttps://github.com/DeepSoftwareAnalytics/Awesome-Issue-Resolutionで維持され、この分野の動的リソースとして機能する。

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)
• 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)
• Collaborative AI in Sentiment Analysis: System Architecture, Data Prediction and Deployment Strategies [3.3374611485861116]
  大規模言語モデル(LLM)に基づく人工知能技術は、特に感情分析においてゲームチェンジャーとなっている。 しかし、複雑なマルチモーダルデータを処理するための多様なAIモデルの統合と、それに伴う機能抽出の高コストは、大きな課題を呈している。 本研究では,様々なAIシステムにまたがるタスクを効率的に分散・解決するための協調型AIフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-17T06:14:34Z)
• Towards Next-Generation Urban Decision Support Systems through AI-Powered Construction of Scientific Ontology using Large Language Models -- A Case in Optimizing Intermodal Freight Transportation [1.6230958216521798]
  本研究では,事前学習された大規模言語モデル(LLM)を活用する可能性について検討する。 推論コアとしてChatGPT APIを採用することで、自然言語処理、メソノロジーベースのプロンプトチューニング、トランスフォーマーを含む統合ワークフローを概説する。 我々の方法論の成果は、広く採用されているオントロジー言語(OWL、RDF、SPARQLなど)の知識グラフである。
  論文  参考訳（メタデータ） (2024-05-29T16:40:31Z)

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。