論文の概要: Why Human Guidance Matters in Collaborative Vibe Coding

• arxiv url: http://arxiv.org/abs/2602.10473v1
• Date: Wed, 11 Feb 2026 03:24:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-12 21:44:01.422627
• Title: Why Human Guidance Matters in Collaborative Vibe Coding
• Title（参考訳）: コラボレーション型バイブコーディングにおけるヒューマンガイダンスの重要性
• Authors: Haoyu Hu, Raja Marjieh, Katherine M Collins, Chenyi Li, Thomas L. Griffiths, Ilia Sucholutsky, Nori Jacoby,
• Abstract要約: ビブコーディングが生産性とコラボレーションに与える影響について検討する。 バイブ符号化のための一意に効果的なハイレベルな命令が提供されることを示す。 また,人間が方向制御を維持している場合,ハイブリッドシステムは最適であることを示す。
• 参考スコア（独自算出の注目度）: 24.04414458645034
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Writing code has been one of the most transformative ways for human societies to translate abstract ideas into tangible technologies. Modern AI is transforming this process by enabling experts and non-experts alike to generate code without actually writing code, but instead, through natural language instructions, or "vibe coding". While increasingly popular, the cumulative impact of vibe coding on productivity and collaboration, as well as the role of humans in this process, remains unclear. Here, we introduce a controlled experimental framework for studying collaborative vibe coding and use it to compare human-led, AI-led, and hybrid groups. Across 16 experiments involving 604 human participants, we show that people provide uniquely effective high-level instructions for vibe coding across iterations, whereas AI-provided instructions often result in performance collapse. We further demonstrate that hybrid systems perform best when humans retain directional control (providing the instructions), while evaluation is delegated to AI.
• Abstract（参考訳）: コードを書くことは、人間の社会にとって抽象的なアイデアを有形技術に翻訳する最も革新的な方法の1つだ。 現代のAIは、専門家や非専門家が実際にコードを書くことなくコードを生成することを可能にすることによって、このプロセスを変革している。 ますます人気が高まっているが、生産性とコラボレーションに対するビブコーディングの累積的な影響と、このプロセスにおける人間の役割は、まだ不明である。 本稿では、協調ビブ符号化を研究するための制御された実験フレームワークを紹介し、それを人間主導、AI主導、ハイブリッドグループと比較する。 604人の参加者を巻き込んだ16の実験では、AIによる指示がしばしばパフォーマンスを低下させるのに対して、人々は繰り返しをまたいでビブコーディングに一意に効果的なハイレベルな指示を提供する。 さらに,人間が方向制御(指示の提供)を維持した場合にはハイブリッドシステムが最善であることを示す一方で,評価はAIに委譲される。

関連論文リスト

• Code for Machines, Not Just Humans: Quantifying AI-Friendliness with Code Health Metrics [6.108440460022983]
  我々は、競合プログラミングから5,000のPythonファイルのデータセットを通して「AIフレンドリなコード」の概念を調査する。 我々の発見は、人間フレンドリーなコードもAIツールとより互換性があることを確認した。 これらの結果は、組織がCodeHealthを使用して、AI介入のリスクが低い場所と、追加の人間の監視が保証される場所をガイドできることを示唆している。
  論文  参考訳（メタデータ） (2026-01-05T15:23:55Z)
• "Can you feel the vibes?": An exploration of novice programmer engagement with vibe coding [42.82674998306379]
  ビブコーディング(vibe coding)とは、直接のコードオーサシップではなく、自然言語のプロンプトを通じてソフトウェアを作成することを指す。 本稿では、初心者プログラマと混合経験チームがどのようにバイブコーディングに関わるかを調査する1日間のハッカソンについて報告する。
  論文  参考訳（メタデータ） (2025-12-02T13:32:23Z)
• Vibe Coding: Is Human Nature the Ghost in the Machine? [0.0]
  私たちは、ヒューマンプロダクトリーダとAIソフトウェアエンジニアの3つの“バイブコーディング”セッションを分析しました。 チームダイナミクス,コミュニケーションパターン,開発成果の類似点と相違点を検討した。 驚いたことに、その後の会話では、AIエージェントがその成果を体系的に誤って表現していたことが判明した。
  論文  参考訳（メタデータ） (2025-08-28T15:48:48Z)
• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• From Teacher to Colleague: How Coding Experience Shapes Developer Perceptions of AI Tools [0.0]
  AI支援の開発ツールは生産性の向上とコード品質の向上を約束するが、開発者による採用は相容れない。 我々は、3380人の開発者による調査データを分析し、コーディングエクスペリエンスがAIの認識、採用、開発者がワークフローでAIに割り当てる役割にどのように関係しているかを調べます。
  論文  参考訳（メタデータ） (2025-04-08T08:58:06Z)
• BO-Muse: A human expert and AI teaming framework for accelerated experimental design [58.61002520273518]
  我々のアルゴリズムは、人間の専門家が実験プロセスでリードすることを可能にする。 我々のアルゴリズムは、AIや人間よりも高速に、サブ線形に収束することを示す。
  論文  参考訳（メタデータ） (2023-03-03T02:56:05Z)
• Human Decision Makings on Curriculum Reinforcement Learning with Difficulty Adjustment [52.07473934146584]
  我々は,カリキュラム強化学習結果を,人的意思決定プロセスから学ぶことで,難しすぎず,難しすぎるような望ましいパフォーマンスレベルに導く。 本システムは非常に並列化可能であり,大規模強化学習アプリケーションの訓練が可能となる。 強化学習性能は、人間の所望の難易度と同期してうまく調整できることが示される。
  論文  参考訳（メタデータ） (2022-08-04T23:53:51Z)
• Joint Mind Modeling for Explanation Generation in Complex Human-Robot Collaborative Tasks [83.37025218216888]
  本稿では,人間とロボットのコラボレーションにおいて,人間のようなコミュニケーションを実現するための新しい説明可能なAI(XAI)フレームワークを提案する。 ロボットは、人間のユーザの階層的なマインドモデルを構築し、コミュニケーションの一形態として自身のマインドの説明を生成する。 その結果,提案手法はロボットの協調動作性能とユーザ認識を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2020-07-24T23:35:03Z)

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。