論文の概要: Agentic Agile-V: From Vibe Coding to Verified Engineering in Software and Hardware Development
- arxiv url: http://arxiv.org/abs/2605.20456v1
- Date: Tue, 19 May 2026 20:10:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-21 19:19:56.357986
- Title: Agentic Agile-V: From Vibe Coding to Verified Engineering in Software and Hardware Development
- Title（参考訳）: Agentic Agile-V: バイブコーディングからソフトウェアとハードウェア開発の検証エンジニアリングへ
- Abstract要約: エージェントAIコーディングシステムは、リポジトリを検査し、実装手順を計画し、ファイルを編集し、テストを実行し、プルリクエストを送信できる。
現在の証拠は、自律的なコード生成がエンジニアリングの結果を自動的に改善するという単純な主張を支持していない。
この論文は、中心的な問題は、もはや迅速なエンジニアリングではなく、エンジニアリングプロセスの制御である、と論じている。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Agentic AI coding systems can inspect repositories, plan implementation steps, edit files, call tools, run tests, and submit pull requests. These capabilities make software and hardware development faster in some settings, but current evidence does not support the simple claim that autonomous code generation automatically improves engineering outcomes. Controlled studies report productivity gains in some enterprise tasks, slowdowns in mature open-source work, moderate but heterogeneous meta-analytic effects, and persistent failures in repository setup, dependency handling, permission gating, and hardware verification. This paper argues that the central problem is no longer prompt engineering; it is engineering process control. It synthesizes evidence from agentic software engineering, GitHub-scale adoption studies, repository-level agent configuration, productivity trials, issue-resolution benchmarks, and hardware/RTL verification research. It proposes Agentic Agile-V, a process framework that uses Agile-V as the lifecycle backbone and a task-level SCOPE-V loop - Specify, Constrain, Orchestrate, Prove, Evolve, and Verify - to convert conversational intent into structured engineering artifacts and acceptance evidence. The paper contributes: (i) a taxonomy of minimum input artifacts for agentic software, firmware, and hardware work; (ii) a conversation-to-contract gate that separates exploratory dialogue from implementation; (iii) risk-adaptive feature, bug-fix, testing, and hardware workflows; and (iv) an evidence-bundle acceptance model for agent-generated artifacts. The paper concludes that agentic AI does not eliminate engineering discipline; it increases the value of requirements, constraints, traceability, independent verification, and human approval.
- Abstract（参考訳）: エージェントAIコーディングシステムは、リポジトリを検査し、実装手順を計画し、ファイルを編集し、ツールを呼び、テストを実行し、プルリクエストを送信できる。
これらの機能は、いくつかの設定でソフトウェアとハードウェアの開発を高速化するが、現在の証拠は、自律的なコード生成が自動的にエンジニアリング結果を改善するという単純な主張を支持していない。
管理された研究は、いくつかのエンタープライズタスクにおける生産性の向上、成熟したオープンソース作業のスローダウン、中等度だが異質なメタ分析効果、リポジトリセットアップにおける永続的障害、依存性処理、パーミッションゲーティング、ハードウェア検証を報告している。
この論文は、中心的な問題はもはやエンジニアリングの促進ではなく、エンジニアリングプロセスの制御であると主張している。
エージェントソフトウェアエンジニアリング、GitHubスケールの採用研究、リポジトリレベルのエージェント設定、生産性試験、イシューレゾリューションベンチマーク、ハードウェア/RTL検証研究のエビデンスを合成する。
これはAgile-VをライフサイクルのバックボーンとタスクレベルのSCOPE-Vループとして使用するプロセスフレームワークであるAgentic Agile-Vを提案している。
論文は以下のとおりである。
一 エージェントソフトウェア、ファームウェア及びハードウェア事業の最小限の入力アーティファクトの分類
(二 探索的対話を実施から切り離す取引口
三 リスク適応機能、バグ修正、テスト、ハードウェアワークフロー
(四)エージェント生成物のエビデンス・バンドル受容モデル
エージェントAIは、要求、制約、トレーサビリティ、独立した検証、そして人間の承認の価値を高める。
関連論文リスト
- Beyond Code Generation: Reliability, Verification, and Cost Economics in the Agentic Software Development Lifecycle [0.0]
AIコーディングシステムは、自動補完とチャットから、リポジトリを検査し、複数のファイルを編集し、ツールを実行し、テストを書き、プルリクエストをオープンし、監督が限定された長時間作業できるエージェントへと移行している。
近年のフィールド研究は、コーディング活動において有意義な利得を示しているが、より新しい証拠は、それらの利得が、コードを書き込むことと、信頼性の高いソフトウェアを出荷するの間に著しく弱まることを示している。
本稿では,ピアレビューされたソフトウェア工学の研究,大学研究,ベンチマーク監査,大手技術企業の生産報告,開発者テレメトリ,コスト管理のエビデンスを合成する。
論文 参考訳（メタデータ） (2026-09-04T03:16:30Z) - Cheap Code, Costly Judgment: A Case Study on Governable Agentic Software Engineering [8.368707686524482]
エンジニアがアーキテクチャ、ツール、エビデンス、フィードバックループを整理して、AIによる開発が検査可能で、修正可能で、メンテナンス可能であるようにする方法を研究します。
プロセスモデルとして表現されたガバナンス変換の理論を開発し,高速度エージェントの実装がいかに制御可能かを説明する。
論文 参考訳（メタデータ） (2026-07-01T15:44:15Z) - Agentic Hardware Design as Repository-Level Code Evolution [8.614736536216526]
HORIZONは、ハードウェア設計をリポジトリレベルのコード進化として扱うセルフ進化エージェントフレームワークである。
我々はChipBench, RTLLM, Verilog-Eval, 9つのCVDPカテゴリについて検討した。
論文 参考訳（メタデータ） (2026-06-26T17:21:06Z) - AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems [82.01232437066487]
AgentXはプロダクションデプロイされたマルチエージェントシステムで、このプロダクション機能を再構築する。
自律的に生成し、実装し、評価し、レコメンデーション実験から学ぶ。
AgentXは4つの密結合したステージをクローズドループでオーケストレーションする。
論文 参考訳（メタデータ） (2026-06-25T10:42:28Z) - EurekAgent: Agent Environment Engineering is All You Need For Autonomous Scientific Discovery [51.466674519159824]
本稿では,計量駆動型自律科学的発見のための環境工学的エージェントシステムであるEurekAgentを紹介する。
環境工学とは、生産的行動を増幅する環境を構築することであり、報酬のハッキングや高いフリクションによる人間の監視といった有害な行動を抑えるものである。
我々は、コードと結果をオープンソース化し、信頼性の高い自律的な研究エージェントを開発するための中核研究の方向性として環境工学を要求します。
論文 参考訳（メタデータ） (2026-06-11T17:56:35Z) - From Prompt to Process: a Process Taxonomy and Comparative Assessment of Frameworks Supporting AI Software Development Agents [0.0]
AI機能をプロセスに変換する運用フレームワークに重点を置いています。
仕様駆動による完全な軽量な開発、エージェント駆動のアジャイル計画、エージェント上のコンテキストエンジニアリング、ワークツリーの分離とレビュー、レガシーシステムからの運用仕様の回復。
私たちの中心的な貢献は、仕様、コンテキスト、役割、実行、バリデーション、ポータビリティという6次元プロセスの分類です。
論文 参考訳（メタデータ） (2026-06-03T14:49:15Z) - Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - Reversa: A Reverse Documentation Engineering Framework for Converting Legacy Software into Operational Specifications for AI Agents [0.0]
本稿では,レガシソフトウェアをAIエージェントのトレーサブルな運用仕様に変換するためのリバースドキュメンテーションエンジニアリングフレームワークであるReversaを紹介する。
特殊なエージェントは、プロジェクト表面をマッピングし、モジュールを分析し、暗黙のルールを抽出し、アーキテクチャを合成し、ユニットレベルの仕様を書き、生成されたクレームをレビューする。
提案では,コードと仕様間のトレーサビリティ,明確な信頼性マーキング,人間の検証のためのギャップの保存という,3つのメカニズムを強調している。
論文 参考訳（メタデータ） (2026-05-18T17:23:13Z) - AI Harness Engineering: A Runtime Substrate for Foundation-Model Software Agents [1.4323566945483497]
ファンデーションモデルは、自動コード生成を変革しましたが、現実的な開発環境では、自律的なソフトウェアエンジニアリングエージェントは信頼できないままです。
本稿では,基盤モデルエージェントがプロジェクトを観察し,それを処理し,フィードバックを受信し,変更が完了したことを確定する,モデルハーネス環境システムを提案する。
このフレームワークは、ファンデーションモデルがパッチを作成できるかどうかから、モデルハーネス環境システムが検証可能な正確さ、属性、メンテナンス可能な変更を生成できるかどうかという、自律的なソフトウェアエンジニアリングの中心的な疑問を再考する。
論文 参考訳（メタデータ） (2026-05-13T11:14:59Z) - The Semi-Executable Stack: Agentic Software Engineering and the Expanding Scope of SE [3.6320170149653985]
AIベースのシステムは、ソフトウェアエンジニアリングに対する脅威として、ますます議論されている。
この論文は別の読み方を主張する。
設計されているものは、実行可能なコードから半実行可能なアーティファクトへと拡張するということです。
論文 参考訳（メタデータ） (2026-04-16T18:36:02Z) - DevOps-Gym: Benchmarking AI Agents in Software DevOps Cycle [84.01703913780946]
現実世界のソフトウェアでDevOpsサイクルを扱うには、大規模なプロジェクトを分析し、動的プログラムの振る舞いを理解し、ドメイン固有のツールを活用し、シーケンシャルな決定を行う必要がある。
DevOps-Gymは、コアDevOpsタスク間でAIエージェントを評価するための、最初のエンドツーエンドベンチマークです。
論文 参考訳（メタデータ） (2026-01-27T18:43:46Z) - ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。
オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。
我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
論文 参考訳（メタデータ） (2026-01-16T08:23:52Z) - Unified Software Engineering agent as AI Software Engineer [14.733475669942276]
大規模言語モデル(LLM)技術は、自動コーディングに対する期待を高めた。
本稿では,統一ソフトウェア工学エージェントやUSEagentを開発することによって,この問題を理解することを目的とする。
私たちはUSEagentを、AIと人間の両方を含む将来のソフトウェア開発チームのチームメンバーになる、将来のAIソフトウェアエンジニアの最初のドラフトとして考えています。
論文 参考訳（メタデータ） (2025-06-17T16:19:13Z) - Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。
Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
論文 参考訳（メタデータ） (2024-10-02T09:11:10Z) - 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)
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。