論文の概要: Beyond Human-Readable: Rethinking Software Engineering Conventions for the Agentic Development Era
- arxiv url: http://arxiv.org/abs/2604.07502v1
- Date: Wed, 08 Apr 2026 18:38:49 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-10 18:34:05.512719
- Title: Beyond Human-Readable: Rethinking Software Engineering Conventions for the Agentic Development Era
- Title（参考訳）: ヒューマン可読性を超えて - エージェント開発時代のソフトウェアエンジニアリング規約を再考する
- Authors: Dmytro Ustynov,
- Abstract要約: エージェントAI開発の台頭は、基本的に異なる制約を持つ新しいプライマリコンシューマを導入している。
本稿では,エージェント圧力下での人間中心の慣行の系統的解析について述べる。
セマンティックな密度の最適化, セマンティックな値を持つトークンを保存しながら, ゼロ情報を持つトークンの除去, および, セマンティックな密度の最適化を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: For six decades, software engineering principles have been optimized for a single consumer: the human developer. The rise of agentic AI development, where LLM-based agents autonomously read, write, navigate, and debug codebases, introduces a new primary consumer with fundamentally different constraints. This paper presents a systematic analysis of human-centric conventions under agentic pressure and proposes a key design principle: semantic density optimization, eliminating tokens that carry zero information while preserving tokens that carry high semantic value. We validate this principle through a controlled experiment on log format token economy across four conditions (human-readable, structured, compressed, and tool-assisted compressed), demonstrating a counterintuitive finding: aggressive compression increased total session cost by 67% despite reducing input tokens by 17%, because it shifted interpretive burden to the model's reasoning phase. We extend this principle to propose the rehabilitation of classical anti-patterns, introduce the program skeleton concept for agentic code navigation, and argue for a fundamental decoupling of semantic intent from human-readable representation.
- Abstract（参考訳）: ソフトウェアエンジニアリングの原則は60年間,単一のコンシューマ – 人間の開発者 – に最適化されてきた。
LLMベースのエージェントが、コードベースを自律的に読み、書き、ナビゲートし、デバッグするエージェントAI開発の台頭は、根本的に異なる制約を持つ新しいプライマリコンシューマを導入している。
本稿では,エージェント圧力下での人間中心の規則を体系的に分析し,意味密度の最適化,情報を持たないトークンの除去,意味値の高いトークンの保存といった重要な設計原則を提案する。
提案手法は,入力トークンを17%削減したにもかかわらず,アグレッシブ圧縮により総セッションコストが67%増加し,解釈的負担がモデルの推論フェーズに移行した4つの条件(人間可読性,構造化,圧縮,ツール支援)のログフォーマットトークン経済に関する制御実験により検証された。
本稿では,古典的アンチパターンの修復を提案し,エージェントコードナビゲーションのためのプログラムスケルトンの概念を導入し,人間可読表現から意味的意図を根本的に分離することについて議論する。
関連論文リスト
- Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。
本稿では,再構築による理解という,新しいパラダイムを提案する。
マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T09:23:20Z) - THETA: A Textual Hybrid Embedding-based Topic Analysis Framework and AI Scientist Agent for Scalable Computational Social Science [5.225859530177356]
本稿では,テキストハイブリッド埋め込みに基づくトピック分析(THETA)を紹介する。
THETAは、膨大なデータスケールと豊富な理論深度の間のギャップを埋める、新しい計算パラダイムとオープンソースツールである。
以上の結果から,LDA,EMM,CTMなどの従来のモデルよりも高い性能を示した。
論文 参考訳（メタデータ） (2026-03-06T07:12:05Z) - Predicting Developer Acceptance of AI-Generated Code Suggestions [12.254014187965831]
本稿では,大手テクノロジー企業による66,329の産業開発者とAIのインタラクションを用いた実証的研究を行った。
承認されたコード提案と拒否された機能とは大きく異なる機能を分析します。
我々はCSAP(Code Suggestion Acceptance Prediction)を導入し、開発者が表示前にコード提案を受け入れるかどうかを予測する。
論文 参考訳（メタデータ） (2026-01-29T08:14:24Z) - Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。
問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。
BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
論文 参考訳（メタデータ） (2025-12-20T12:06:13Z) - An Information-Theoretic Framework for Credit Risk Modeling: Unifying Industry Practice with Statistical Theory for Fair and Interpretable Scorecards [1.4824891788575416]
IVは、同一のビン上での善と悪のクレジット結果とで計算されたPSIと完全に等しいことを示す。
我々は、クレジットモデリング固有のパフォーマンス・フェアネストレードオフを、IVの予測パワーを最大化しつつ、IVの保護属性を最小化するものとして定式化する。
この枠組みは理論と実践を橋渡しし、広く使用されている信用リスク指標の厳密な統計基盤を提供する。
論文 参考訳（メタデータ） (2025-09-11T21:05:34Z) - Generalising from Self-Produced Data: Model Training Beyond Human Constraints [0.0]
本稿では,AIモデルが新たな知識を自律的に生成し,検証する新しい枠組みを提案する。
このアプローチの中心は、人間のベンチマークを必要とせずに学習をガイドする、無制限で使い捨ての数値報酬である。
論文 参考訳（メタデータ） (2025-04-07T03:48:02Z) - Toward Neurosymbolic Program Comprehension [46.874490406174644]
我々は,既存のDL技術の強みと従来の象徴的手法を組み合わせたニューロシンボリック研究の方向性を提唱する。
第1回ニューロシンボリック・プログラム・フレームワークの確立をめざして,提案するアプローチの予備的結果を示す。
論文 参考訳（メタデータ） (2025-02-03T20:38:58Z) - Tram: A Token-level Retrieval-augmented Mechanism for Source Code Summarization [76.57699934689468]
ニューラルモデルの性能を高めるために,デコーダ側で詳細なTokenレベル検索強化機構(Tram)を提案する。
文脈的コードセマンティクスの取得におけるトークンレベルの検索の課題を克服するために,コードセマンティクスを個々の要約トークンに統合することを提案する。
論文 参考訳（メタデータ） (2023-05-18T16:02:04Z)
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。