論文の概要: Vibe-driven model-based engineering
- arxiv url: http://arxiv.org/abs/2604.10645v1
- Date: Sun, 12 Apr 2026 13:47:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-14 20:13:16.147531
- Title: Vibe-driven model-based engineering
- Title（参考訳）: ビブ駆動型モデルベースエンジニアリング
- Abstract要約: Textitvibe-driven model-based engineeringは、信頼性の高い複雑なシステムの開発を加速するために、両方の世界の最高のもの(AIとMDE)を統合する新しいアプローチである。
- 参考スコア（独自算出の注目度）: 1.7471807152477032
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is a pressing need for better development methods and tools to keep up with the growing demand and increasing complexity of new software systems. New types of user interfaces, the need for intelligent components, sustainability concerns, etc. bring new challenges that we need to handle. In the last years, model-driven engineering (MDE), including its latest incarnation, i.e. low/no-code development, has been key to improving the quality and productivity of software development, but models themselves are becoming increasingly complex to specify and manage. At the same time, we are witnessing the growing popularity of vibe coding approaches that rely on Large Language Models (LLMs) to transform natural language descriptions into running code at the expense of potential code vulnerabilities, scalability issues and maintainability concerns. While many may think vibe coding will replace model-based engineering, in this paper we argue that, in fact, the two approaches can complement each other and provide altogether different development paths for different types of software systems, development scenarios, and user profiles. In this sense, we introduce the concept of \textit{vibe-driven model-based engineering} as a novel approach to integrate the best of both worlds (AI and MDE) to accelerate the development of reliable complex systems. We outline the key concepts of this new approach and highlight the opportunities and open challenges it presents for the future of software development.
- Abstract（参考訳）: 新しいソフトウェアシステムの需要の増加と複雑さの増大に追従するために、より良い開発方法やツールが必要である。
新しいタイプのユーザインターフェース、インテリジェントなコンポーネントの必要性、持続可能性に関する懸念などによって、私たちが対処しなければならない新たな課題が生まれます。
ここ数年、モデル駆動エンジニアリング(MDE)、すなわちローコード/ノーコード開発がソフトウェア開発の品質と生産性向上の鍵となりましたが、モデル自体が特定と管理に複雑になってきています。
同時に、潜在的なコード脆弱性、スケーラビリティの問題、保守性上の懸念を犠牲にして、自然言語記述を実行コードに変換するために、LLM(Large Language Models)に依存するビブコーディングアプローチの人気が高まっているのを目撃しています。
ビブコーディングはモデルベースのエンジニアリングに取って代わると考える人が多いかもしれませんが、この論文では2つのアプローチが互いに補完し合い、異なるタイプのソフトウェアシステム、開発シナリオ、ユーザプロファイルに対して全く異なる開発パスを提供することができると論じています。
この意味では、信頼性の高い複雑なシステムの開発を加速するために、両世界のベスト(AIとMDE)を統合する新しいアプローチとして、‘textit{vibe-driven model-based engineering} の概念を導入する。
この新しいアプローチの鍵となる概念を概説し、それがソフトウェア開発の未来にもたらす機会とオープンな課題を強調します。
関連論文リスト
- A Survey on the Green Development of Large Models: From Resource-Efficient Architectures to Hardware-Software Co-Design [71.32556809242666]
大規模AIモデルの急速な拡張は、さまざまな領域で大幅なパフォーマンスのブレークスルーをもたらした。
また、計算コスト、エネルギー消費、環境の持続可能性に関する重要な懸念を提起している。
この調査は、大規模モデルの持続的、スケーラブルで、社会的に責任のある開発に向けて、全体的なロードマップを提供することを目的としている。
論文 参考訳（メタデータ） (2026-07-10T04:02:22Z) - Lost in Code Generation: Reimagining the Role of Software Models in AI-driven Software Engineering [1.3124479769761592]
このシフトは、ソフトウェアモデルの再構築を動機付けている、と私たちは主張する。
事前の青写真としてのみ機能するのではなく、AI生成コードからモデルを取り出すことができる。
この役割では、モデルは人間の意図、AI生成、長期システムの進化の間の仲介者として機能する。
論文 参考訳（メタデータ） (2025-11-04T11:03:31Z) - Code Digital Twin: Empowering LLMs with Tacit Knowledge for Complex Software Development [8.821206496273842]
ソフトウェアモデルと大規模言語モデルの両方の観点から、課題を特定します。
ソフトウェアの物理層と概念層の両方をモデル化するフレームワークであるCode Digital Twinを提案する。
私たちのビジョンは、AIの進歩とエンタープライズソフトウェアの現実の橋渡しと位置づけています。
論文 参考訳（メタデータ） (2025-10-18T08:17:54Z) - A Survey of Vibe Coding with Large Language Models [93.88284590533242]
視覚符号化(Vibe Coding)は、開発者が成果観察を通じてAI生成の実装を検証する開発手法である。
変革の可能性にもかかわらず、この創発的パラダイムの有効性は未解明のままである。
この調査は、大規模な言語モデルによるVibe Codingの総合的かつ体系的なレビューを初めて提供する。
論文 参考訳（メタデータ） (2025-10-14T11:26:56Z) - Generative AI and the Transformation of Software Development Practices [0.0]
ジェネレーティブAIは、ソフトウェアの設計、記述、保守の方法を変えようとしている。
本稿では,AI支援技術がソフトウェア工学の実践をどのように変化させているかを検討する。
論文 参考訳（メタデータ） (2025-10-12T22:02:10Z) - Vibe Modeling: Challenges and Opportunities [2.3170227013988947]
Textitvibeモデリングは、信頼性の高い複雑なシステムの開発を高速化するために、両方の世界のベスト(AIとMDE)を統合する新しいアプローチである。
バイブモデリングのキーコンセプトを概説し、モデリングの未来に提示する機会とオープンな課題を強調します。
論文 参考訳（メタデータ） (2025-07-30T21:50:06Z) - AI Flow: Perspectives, Scenarios, and Approaches [51.38621621775711]
私たちは最先端のITとCTの進歩を統合するフレームワークであるAI Flowを紹介します。
まず、デバイスエッジクラウドフレームワークは、エンドデバイス、エッジサーバ、クラウドクラスタを統合する基盤として機能する。
第2に,家族モデルの概念を導入し,同列に隠れた特徴を持つ様々なサイズのモデルに言及する。
第3に、コネクティビティとインタラクションに基づくインテリジェンスの出現は、AI Flowの新たなパラダイムである。
論文 参考訳（メタデータ） (2025-06-14T12:43:07Z) - Code Digital Twin: Empowering LLMs with Tacit Knowledge for Complex Software Development [8.821206496273842]
ソフトウェアモデルと大規模言語モデルの両方の観点から、課題を特定します。
ソフトウェアの物理層と概念層の両方をモデル化するフレームワークであるCode Digital Twinを提案する。
私たちのビジョンは、AIの進歩とエンタープライズソフトウェアの現実の橋渡しと位置づけています。
論文 参考訳（メタデータ） (2025-03-11T01:46:58Z) - Making Software Development More Diverse and Inclusive: Key Themes, Challenges, and Future Directions [50.545824691484796]
ソフトウェア開発者の多様性と包摂性(SDDI)を改善するための課題と機会に関する6つのテーマを特定します。
4つのテーマの利点、害、今後の研究の方向性を特定します。
残りの2つのテーマ、人工知能とSDDIとAIとコンピュータサイエンスの教育について論じる。
論文 参考訳（メタデータ） (2024-04-10T16:18:11Z) - Low-Modeling of Software Systems [2.3170227013988947]
新しいタイプのユーザインターフェース、インテリジェントなコンポーネントの必要性、持続可能性に関する懸念、...私たちが対処しなければならない新しい課題をもたらします。
本稿では,現在のモデル駆動工学技術を強化するためのソリューションとして,低モデリングの概念を提案する。
論文 参考訳（メタデータ） (2024-02-28T14:50:27Z) - Embedded Software Development with Digital Twins: Specific Requirements
for Small and Medium-Sized Enterprises [55.57032418885258]
デジタル双生児は、コスト効率の良いソフトウェア開発とメンテナンス戦略の可能性を秘めている。
私たちは中小企業に現在の開発プロセスについてインタビューした。
最初の結果は、リアルタイムの要求が、これまでは、Software-in-the-Loop開発アプローチを妨げていることを示している。
論文 参考訳（メタデータ） (2023-09-17T08:56:36Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳（メタデータ） (2023-07-16T02:11:34Z) - INTERN: A New Learning Paradigm Towards General Vision [117.3343347061931]
我々はInterNという新しい学習パラダイムを開発した。
複数の段階の複数のソースからの監視信号を用いて学習することにより、トレーニング対象のモデルは強力な一般化性を生み出す。
ほとんどの場合、ターゲットドメインのトレーニングデータの10%しか適応していないモデルが、完全なデータセットでトレーニングされたトレーニングデータよりも優れています。
論文 参考訳（メタデータ） (2021-11-16T18:42:50Z) - Data-Driven and SE-assisted AI Model Signal-Awareness Enhancement and
Introspection [61.571331422347875]
モデルの信号認識性を高めるためのデータ駆動型手法を提案する。
コード複雑性のSE概念とカリキュラム学習のAIテクニックを組み合わせる。
モデル信号認識における最大4.8倍の改善を実現している。
論文 参考訳（メタデータ） (2021-11-10T17:58:18Z)
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。