論文の概要: Test-Oriented Programming: rethinking coding for the GenAI era

• arxiv url: http://arxiv.org/abs/2604.08102v1
• Date: Thu, 09 Apr 2026 11:21:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-10 18:34:05.878828
• Title: Test-Oriented Programming: rethinking coding for the GenAI era
• Title（参考訳）: テスト指向プログラミング:GenAI時代のコーディングを再考する
• Authors: Jorge Melegati,
• Abstract要約: 大規模言語モデル(LLM)は、ソフトウェアコードを生成する驚くべき能力を示しており、プログラミングの開発者をサポートするために使われるようになった。 LLMは、テスト指向プログラミング(ToP)と呼ばれる新しいパラダイムである、より高いレベルの抽象化を可能にすることができる、と私たちは論じています。 このパラダイム内では、開発者は本番コードではなく、自然言語仕様に基づいて生成されたテストコードのみをチェックする必要がある。
• 参考スコア（独自算出の注目度）: 0.7106986689736825
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) have shown astonishing capability of generating software code, leading to its use to support developers in programming. Proposed tools have relied either on assistants for improved auto-complete or multi-agents, in which different model instances are orchestrated to perform parts of a problem to reach a complete solution. We argue that LLMs can enable a higher-level of abstraction, a new paradigm we called Test-Oriented Programming (TOP). Within this paradigm, developers only have to check test code generated based on natural language specifications, rather than focusing on production code, which could be delegated to the LLMs. To evaluate the feasibility of this proposal, we developed a proof-of-concept tool and used it to generate a small command-line program employing two different LLMs. We obtained promising results and identified challenges for the use of this paradigm for real projects.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、ソフトウェアコードを生成する驚くべき能力を示しており、プログラミングの開発者をサポートするために使われるようになった。 提案されたツールは、改善されたオートコンプリートまたはマルチエージェントのためのアシスタントに依存しており、そこでは、異なるモデルインスタンスが編成され、完全なソリューションに到達するために問題の一部を実行する。 LLMは、テスト指向プログラミング(ToP:Test-Oriented Programming)と呼ばれる新しいパラダイムである、より高いレベルの抽象化を可能にします。 このパラダイム内では、開発者はLLMに委譲可能な本番コードではなく、自然言語仕様に基づいて生成されたテストコードのみをチェックする必要がある。 提案手法の有効性を評価するために,概念実証ツールを開発し,それを用いて2つの異なるLCMを用いた小さなコマンドラインプログラムを生成する。 有望な結果を得て、実際のプロジェクトでこのパラダイムを使用する上での課題を特定しました。

関連論文リスト

• From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
  大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。 コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。 一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
  論文  参考訳（メタデータ） (2025-11-23T17:09:34Z)
• Do AI models help produce verified bug fixes? [62.985237003585674]
  大規模言語モデルは、ソフトウェアバグの修正に使用される。 本稿では,プログラマが大規模言語モデルを用いて,自身のスキルを補完する方法について検討する。 その結果は、プログラムバグに対する保証された修正を提供するAIとLLMの適切な役割への第一歩となる。
  論文  参考訳（メタデータ） (2025-07-21T17:30:16Z)
• Evaluating Large Language Models on Non-Code Software Engineering Tasks [4.381476817430934]
  大規模言語モデル(LLM)は、コード理解と生成において顕著な能力を示している。 ソフトウェア工学言語理解(SELU)と呼ばれる最初の包括的なベンチマークを提示する。 SELUは、分類、回帰、名前付きエンティティ認識(NER)とマスケッド言語モデリング(MLM)のターゲットをカバーし、さまざまなソースからデータを引き出す。
  論文  参考訳（メタデータ） (2025-06-12T15:52:32Z)
• CoDet-M4: Detecting Machine-Generated Code in Multi-Lingual, Multi-Generator and Multi-Domain Settings [32.72039589832989]
  大規模言語モデル(LLM)はコード生成に革命をもたらし、プログラミングを驚くほどの効率で自動化した。 これらの進歩はプログラミングのスキル、倫理、評価の整合性に挑戦し、説明責任と標準を維持するのに欠かせないLCM生成コードを検出する。 複数のプログラミング言語、コードジェネレータ、ドメインにまたがる人間とLLMで書かれたコードを区別できるフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-17T21:41:37Z)
• Large Language Models for Code Generation: A Comprehensive Survey of Challenges, Techniques, Evaluation, and Applications [0.9105696129628794]
  大規模言語モデル(LLM)は多くの分野においてその顕著な能力を示している。 この調査は、LLMがユーザに対して、技術的背景に関係なく、ヒューマン言語を使用して実行可能なコードを自動的に生成する方法に焦点を当てている。
  論文  参考訳（メタデータ） (2025-03-03T07:17:30Z)
• If LLM Is the Wizard, Then Code Is the Wand: A Survey on How Code Empowers Large Language Models to Serve as Intelligent Agents [81.60906807941188]
  大型言語モデル(LLM)は、自然言語と形式言語(コード)の組み合わせに基づいて訓練される コードは、標準構文、論理一貫性、抽象化、モジュール性を備えた高レベルの目標を実行可能なステップに変換する。
  論文  参考訳（メタデータ） (2024-01-01T16:51:20Z)
• CREATOR: Tool Creation for Disentangling Abstract and Concrete Reasoning of Large Language Models [74.22729793816451]
  大規模言語モデル(LLM)はツールの利用において大きな進歩を遂げているが、その能力はAPIの可用性によって制限されている。 我々は、LCMがドキュメンテーションとコード実現を使って独自のツールを作成できる新しいフレームワークCREATORを提案する。 我々は,MATH と TabMWP のベンチマークで CREATOR を評価する。
  論文  参考訳（メタデータ） (2023-05-23T17:51:52Z)

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。