論文の概要: Supporting software engineering tasks with agentic AI: Demonstration on document retrieval and test scenario generation

• arxiv url: http://arxiv.org/abs/2602.04726v1
• Date: Wed, 04 Feb 2026 16:33:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-05 19:45:11.626321
• Title: Supporting software engineering tasks with agentic AI: Demonstration on document retrieval and test scenario generation
• Title（参考訳）: エージェントAIによるソフトウェアエンジニアリングタスクのサポート:文書検索とテストシナリオ生成の実証
• Authors: Marian Kica, Lukas Radosky, David Slivka, Karin Kubinova, Daniel Dovhun, Tomas Uhercik, Erik Bircak, Ivan Polasek,
• Abstract要約: 2つのソフトウェアエンジニアリングタスクにエージェントAIソリューションを導入します。 まず,詳細な要件記述から自動テストシナリオ生成のためのソリューションを開発した。 第2に、ソフトウェア工学文書の文脈における文書検索タスクのためのエージェントAIソリューションを開発した。
• 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: The introduction of large language models ignited great retooling and rethinking of the software development models. The ensuing response of software engineering research yielded a massive body of tools and approaches. In this paper, we join the hassle by introducing agentic AI solutions for two tasks. First, we developed a solution for automatic test scenario generation from a detailed requirements description. This approach relies on specialized worker agents forming a star topology with the supervisor agent in the middle. We demonstrate its capabilities on a real-world example. Second, we developed an agentic AI solution for the document retrieval task in the context of software engineering documents. Our solution enables performing various use cases on a body of documents related to the development of a single software, including search, question answering, tracking changes, and large document summarization. In this case, each use case is handled by a dedicated LLM-based agent, which performs all subtasks related to the corresponding use case. We conclude by hinting at the future perspectives of our line of research.
• Abstract（参考訳）: 大きな言語モデルの導入は、ソフトウェア開発モデルの大幅な再考と再考を引き起こしました。 その後のソフトウェアエンジニアリング研究の反応は、大量のツールとアプローチを生み出した。 本稿では,2つのタスクに対してエージェントAIソリューションを導入することで,問題に対処する。 まず,詳細な要件記述から自動テストシナリオ生成のためのソリューションを開発した。 このアプローチは、中央のスーパーバイザーと星のトポロジーを形成する特別な労働者エージェントに依存している。 実世界の例でその能力を実証する。 第2に、ソフトウェア工学文書の文脈における文書検索タスクのためのエージェントAIソリューションを開発した。 本ソリューションでは,検索,質問応答,変更の追跡,文書の要約など,単一のソフトウェアの開発に関連する文書に対して,さまざまなユースケースを実行することができる。 この場合、各ユースケースは専用のLCMベースのエージェントによって処理され、対応するユースケースに関連するすべてのサブタスクを実行する。 我々は研究の今後の展望を示唆することで締めくくります。

関連論文リスト

• Towards AI-Assisted Generation of Military Training Scenarios [3.491673646235722]
  本稿では,Large Language Models (LLMs) を利用して重要な学習成果物を生成するマルチエージェント・マルチモーダル推論フレームワークを提案する。 シナリオ生成をサブプロブレムの階層に分解し、AIツールの役割を定義することで、フレームワークを構築します。 本研究は,LLM駆動型マルチエージェントシステムによる文書のコヒーレント・ニュアンス生成の可能性を示す。
  論文  参考訳（メタデータ） (2025-11-10T23:24:35Z)
• 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)
• OS Agents: A Survey on MLLM-based Agents for General Computing Devices Use [101.57043903478257]
  アイアンマンの架空のJ.A.R.V.I.Sほど有能で多用途なAIアシスタントを作る夢は、長い間想像力に恵まれてきた。 マルチモーダル(multi-modal)な大きな言語モデル((M)LLMs)の進化により、この夢は現実に近づいている。 本調査は,OSエージェント研究の現状を整理し,学術調査と産業開発の両方の指針を提供する。
  論文  参考訳（メタデータ） (2025-08-06T14:33:45Z)
• 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)
• Automated User Story Generation with Test Case Specification Using Large Language Model [0.0]
  要件文書からユーザストーリーを自動生成するツール「GeneUS」を開発した。 アウトプットはフォーマットで提供され、ダウンストリーム統合の可能性は人気のあるプロジェクト管理ツールに開放されます。
  論文  参考訳（メタデータ） (2024-04-02T01:45:57Z)
• A Preliminary Study on Using Large Language Models in Software Pentesting [2.0551676463612636]
  大規模言語モデル(LLM)は、セキュリティタスクを自動化するための有望な可能性を提供すると考えられている。 ソフトウェアペンテスティングにおけるLLMの使用について検討し,ソースコード中のソフトウェアセキュリティ脆弱性を自動的に識別する作業を行う。
  論文  参考訳（メタデータ） (2024-01-30T21:42:59Z)

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。