Fugu-MT 論文翻訳(概要): Bridging the Gap Between Agility and Planning

論文の概要: Bridging the Gap Between Agility and Planning

arxiv url: http://arxiv.org/abs/2603.24773v1
Date: Wed, 25 Mar 2026 19:45:18 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-27 20:52:47.972172
Title: Bridging the Gap Between Agility and Planning
Title（参考訳）: アジャイルと計画のギャップを埋める
Authors: Eduardo Miranda,
Abstract要約: マイルストーン駆動のアジャイル実行(Milestone Driven Agile Execution)は、アジャイル開発の実証的なコントロールコンポーネントを保持するハイブリッド管理フレームワークであるが、バックログの優先順位付けは、プロジェクトの実行を駆動するマクロまたは戦略的(マイルストーン)計画に従って行われる。これによって組織は、それらを最もうまく組み合わせる開発アプローチを選択することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Milestone Driven Agile Execution is a hybrid management framework where the empirical control component of agile development is retained but the prioritization of the backlog is done according to a macro or strategic (milestone) plan that drives the execution of the project. MDAX is method agnostic, in the sense that the development approach is not embedded in the execution mechanism but in the plan that drives it. This allows organizations using it to choose the development approach that suites them most,
Abstract（参考訳）: マイルストーン駆動のアジャイル実行(Milestone Driven Agile Execution)は、アジャイル開発の実証的なコントロールコンポーネントを保持するハイブリッド管理フレームワークであるが、バックログの優先順位付けは、プロジェクトの実行を駆動するマクロまたは戦略的(マイルストーン)計画に従って行われる。 MDAXはメソッドに依存しないが、開発アプローチは実行メカニズムに埋め込まれず、それを駆動する計画に埋め込まれている。これによって組織は、それらを最もうまく組み合わせる開発アプローチを選択することができます。

関連論文リスト

Visual Milestone Planning in a Hybrid Development Context [0.0]
本稿では,ハイブリッド開発プロセスのフロントエンドとしてアジャイル実践者による採用を促進するために,アジャイル語彙を用いたビジュアルマイルストーンプランニング(VMP)手法について説明する。 VMPは、作業アプローチとコミットメントの共通理解を促進する、視覚的かつ協調的な計画手法である。
論文参考訳（メタデータ） (2026-02-25T16:25:18Z)
TodoEvolve: Learning to Architect Agent Planning Systems [68.48983335970901]
TodoEvolveは、タスク固有の計画を自律的に合成し、動的に修正するメタプランニングパラダイムである。 PlanFactoryは異種計画パターンの共通インターフェースを提供する。 TodoEvolveは、経済的なAPIコストとランタイムオーバーヘッドを維持しながら、慎重に設計された計画モジュールを一貫して上回っている。
論文参考訳（メタデータ） (2026-02-08T06:37:01Z)
JADE: Bridging the Strategic-Operational Gap in Dynamic Agentic RAG [34.97756524623194]
RAGは、静的な検索パイプラインから、中央プランナーがマルチターン推論をオーケストレーションする動的エージェントへと移行した。既存のパラダイムは、厳密な固定グラフアーキテクチャ内でモジュールを共同で最適化するか、あるいは動的計画を強化するか、エグゼキュータを凍結したブラックボックスツールとして扱います。動的マルチターン内における計画と実行の協調最適化のための統合フレームワークである textbfJADE を提案する。
論文参考訳（メタデータ） (2026-01-29T16:06:44Z)
MemoBrain: Executive Memory as an Agentic Brain for Reasoning [19.13580311003466]
本稿では,ツール拡張エージェントのメモリモデルであるMemoBrainを提案する。 MemoBrainは推論エージェントと一緒にコパイロットとして動作し、実行をブロックせずに推論の進捗を整理する。我々は,GAIA,WebWalker,BrowseComp-Plusなどの長軸ベンチマークでMemoBrainを評価した。
論文参考訳（メタデータ） (2026-01-12T23:44:59Z)
SCOPE: Prompt Evolution for Enhancing Agent Effectiveness [53.75986399936395]
大規模言語モデル(LLM)エージェントは、大規模で動的なコンテキストを生成する環境にますますデプロイされている。エージェントはこのコンテキストにアクセスできますが、静的なプロンプトには効果的に管理するメカニズムがありません。 textbfSCOPE (Self-evolving Context Optimization via Prompt Evolution) を導入する。本稿では,戦術的特異性(即時誤りの解消)と戦略的汎用性(長期原則の進化)のバランスをとるデュアルストリーム機構を提案する。
論文参考訳（メタデータ） (2025-12-17T12:25:05Z)
Geometrically-Constrained Agent for Spatial Reasoning [53.93718394870856]
視覚言語モデルは空間的推論において基本的な意味-幾何学的ギャップを示す。現在のパラダイムは、このギャップを埋めることに失敗します。本稿では,形式的タスク制約を導入することにより,このギャップを解消する学習自由エージェントパラダイムを提案する。
論文参考訳（メタデータ） (2025-11-27T17:50:37Z)
DynaSaur: Large Language Agents Beyond Predefined Actions [126.98162266986554]
既存のLLMエージェントシステムは、通常、各ステップで固定セットと事前定義されたセットからアクションを選択する。動作を動的に生成・構成できるLLMエージェントフレームワークを提案する。このフレームワークでは、汎用プログラミング言語で書かれたプログラムを生成し実行することで、エージェントが環境と対話する。
論文参考訳（メタデータ） (2024-11-04T02:08:59Z)
Xcrum: A Synergistic Approach Integrating Extreme Programming with Scrum [0.0]
この記事では,スクラムとエクストリームプログラミング(XP)という,2つの著名なアジャイル方法論の概要を紹介する。 XPプラクティスをスクラムに統合することで、"Xcrum"と呼ばれる新しいハイブリッド方法論が生まれました。この新しいアプローチが両方のメソッドの強みを取り入れていることを考えると、オリジナルのフレームワークを上回る可能性を秘めている点に注意が必要だ。
論文参考訳（メタデータ） (2023-10-05T01:39:10Z)
Decomposition Multi-Objective Evolutionary Optimization: From State-of-the-Art to Future Opportunities [5.760976250387322]
本報告では,MOEA/Dの原点から現状への展開について概説する。 MOEA/Dの選定された主要な開発は、そのコア設計コンポーネントに従ってレビューされる。今後の発展に向けて、新たな方向性に光を当てた。
論文参考訳（メタデータ） (2021-08-21T22:21:44Z)

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。