論文の概要: On the Road to Personalized Code Intelligence: Portraiting and Assisting Developers Based on Their In-IDE Behaviors
- arxiv url: http://arxiv.org/abs/2605.29372v1
- Date: Thu, 28 May 2026 05:17:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-30 02:45:55.755048
- Title: On the Road to Personalized Code Intelligence: Portraiting and Assisting Developers Based on Their In-IDE Behaviors
- Title（参考訳）: パーソナライズド・コード・インテリジェンスへの道--IDE内行動に基づく開発者評価と支援-
- Authors: Yuhong Liu, Yunhe Su, Zhipeng Peng, Zhiwen Luo, Lin Shi, Zhi Jin, Li Zhang,
- Abstract要約: VirtualMEは、開発者の動的プログラミングの振る舞いや好みを継続的に捉え、解釈することによって、開発者をモデル化するために設計された、新しいデータ基盤である。
我々は,VirtualME上で,開発者ペルソナをQ&Aエージェントに統合することで,リポジトリレベルの個別知識Q&Aを実現するソリューションを提案する。
- 参考スコア（独自算出の注目度）: 38.53670556517792
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the advent of large language models, research in automated software engineering has increasingly focused on leveraging these models to achieve a deeper semantic understanding of code or to engineer sophisticated agent-based processes. However, this research trajectory has largely overlooked a critical factor: the developers themselves. Programming is a deeply individualized activity; developers exhibit significant variation in their tool-chain preferences, domain-specific expertise, and problem-solving strategies. Consequently, the current paradigm of one-size-fits-all code intelligence systems struggles to accommodate the needs of individual developers. To address this gap, we introduce VirtualME, a novel IDE-embedded data infrastructure designed to model the developer by continuously capturing and interpreting their dynamic programming behaviors and preferences. VirtualME contains three components. (1) Log-level Behavior Extraction: it captures and extracts developers' log-level behaviors from IDE. (2) Task-level Behavior Recognition: it aggregates log-level behaviors into task-level behaviors via a multi-agent pipeline. (3) Developer-personality Measurement: it builds a rule engine to distill a four-dimensional developer persona: technology stack, ability, behavioral habits, and learning style. On top of VirtualME, we propose a solution for personalized repository-level knowledge Q&A by integrating the developer persona into the Q&A agent. We evaluated VirtualME by building a multi-repository benchmark with real-world developer trajectories, balancing correctness and personalization. Experimental results show that VirtualME-enhanced answers outperform generic baselines on five dimensions, yielding an average 33.80% improvement. Our results demonstrate that abundant, continuous developer-behavior data can pave the new way for adaptive and personalized code intelligence.
- Abstract（参考訳）: 大規模言語モデルの出現により、自動化されたソフトウェア工学の研究は、コードのより深いセマンティックな理解を達成するためにこれらのモデルを活用することや、洗練されたエージェントベースのプロセスを設計することに集中するようになった。
しかし、この研究の軌跡は、開発者自身にとって重要な要素をほとんど見落としている。
開発者はツールチェーンの好み、ドメイン固有の専門知識、問題解決戦略に大きな変化を示します。
結果として、一大のコードインテリジェンスシステムの現在のパラダイムは、個々の開発者のニーズを満たすのに苦労しています。
このギャップに対処するため、我々は、動的プログラミングの振る舞いや好みを継続的に捉え、解釈することによって、開発者をモデル化するために設計された、IDEを組み込んだ新しいデータ基盤であるVirtualMEを紹介します。
VirtualMEには3つのコンポーネントがある。
1)ログレベルの振る舞い抽出:IDEから開発者のログレベルの振る舞いをキャプチャして抽出する。
2)タスクレベルの振る舞い認識:マルチエージェントパイプラインを介してログレベルの振る舞いをタスクレベルの振る舞いに集約する。
(3) 開発者個人性の測定: 技術スタック,能力,行動習慣,学習スタイルという,4次元の開発者ペルソナを蒸留するルールエンジンを構築する。
我々は,VirtualME上で,開発者ペルソナをQ&Aエージェントに統合することで,リポジトリレベルの個別知識Q&Aを実現するソリューションを提案する。
実世界の開発者軌道を用いたマルチリポジトリ・ベンチマークを構築し,正確性とパーソナライゼーションのバランスをとることにより,VirtualMEを評価した。
実験の結果,VirtualMEによる回答は5次元の一般的なベースラインを上回っ,平均33.80%の改善が得られた。
私たちの結果は、豊富な継続的開発者ビヘイビアデータが、適応的でパーソナライズされたコードインテリジェンスのための新しい方法を舗装できることを示しています。
関連論文リスト
- In-IDE Toolkit for Developers of AI-Based Features [0.24629531282150877]
我々はJetBrainsのAI Toolkitプラグインを紹介し、Run/Debugループに直接トレースと評価をもたらす。
AIエージェントとAI評価の設計と実装について詳述し、最初の採用テレメトリを報告し、フレームワークのカバレッジとスケール評価を拡大するための次のステップを概説する。
論文 参考訳（メタデータ） (2026-05-14T09:28:14Z) - An Empirical Study of Proactive Coding Assistants in Real-World Software Development [7.0725208875067045]
大規模言語モデル(LLM)ベースのコーディングアシスタントは大きな進歩を遂げているが、ほとんどのシステムはリアクティブのままである。
プロアクティブなコーディングアシスタントは、統合開発環境(IDE)インタラクションとリポジトリコンテキストから潜伏した開発者の意図を推論することを目的としている。
この方向の研究は、大規模な開発者行動データの不足によって制限されている。
論文 参考訳（メタデータ） (2026-05-07T05:44:52Z) - Beyond the 'Diff': Addressing Agentic Entropy in Agentic Software Development [42.371764229953165]
エージェントによる決定が時間やツールコール,アーキテクチャ境界を越えてどのように展開されるかを明らかにする,プロセス指向の説明可能性フレームワークを提案する。
私たちのアプローチは、既存のレビュープラクティスを置き換えるのではなく、補完するインテントレベルのテレメトリを提供します。
認知的ドリフトをコード品質と並んで第一級の関心事として扱うことで、エージェントの監視に必要な人間の理解の最小レベルを安定的に維持する。
論文 参考訳（メタデータ） (2026-03-03T12:55:28Z) - EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。
しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。
実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
論文 参考訳（メタデータ） (2026-01-29T11:33:49Z) - From Correctness to Collaboration: Toward a Human-Centered Framework for Evaluating AI Agent Behavior in Software Engineering [7.402388519535592]
現在のベンチマークでは、コードの正確性に重点を置いているが、人間とAIのパートナーシップを成功させる上で欠かせない、対話的な振る舞いを捉えていない。
本稿では,エンタープライズソフトウェア工学における望ましいエージェント行動の基礎的分類について述べる。
また、コンテキスト適応行動(CAB)フレームワークを導入します。
論文 参考訳（メタデータ） (2025-12-29T20:18:57Z) - A Survey on Code Generation with LLM-based Agents [61.474191493322415]
大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。
LLMは3つのコア特徴によって特徴づけられる。
本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
論文 参考訳（メタデータ） (2025-07-31T18:17:36Z) - Vibe Coding vs. Agentic Coding: Fundamentals and Practical Implications of Agentic AI [0.36868085124383626]
レビューでは、AI支援ソフトウェア開発の新たなパラダイムとして、バイブコーディングとエージェントコーディングの2つを包括的に分析している。
Vibeのコーディングは、インプットベースで対話的なインタラクションを通じて、直感的で、ループ内の人間間インタラクションを強調する。
エージェントコーディングは、最小限の介入でタスクを計画、実行、テスト、反復できる目標駆動エージェントを通じて、自律的なソフトウェア開発を可能にする。
論文 参考訳（メタデータ） (2025-05-26T03:00:21Z) - SmartAgent: Chain-of-User-Thought for Embodied Personalized Agent in Cyber World [50.937342998351426]
COUT(Chain-of-User-Thought)は、新しい推論パラダイムである。
我々は、サイバー環境を認識し、パーソナライズされた要求を推論するエージェントフレームワークであるSmartAgentを紹介する。
我々の研究は、まずCOUTプロセスを定式化し、パーソナライズされたエージェント学習を具体化するための予備的な試みとして役立ちます。
論文 参考訳（メタデータ） (2024-12-10T12:40:35Z) - AgentStudio: A Toolkit for Building General Virtual Agents [57.02375267926862]
一般的な仮想エージェントは、マルチモーダルな観察、複雑なアクション空間のマスター、動的でオープンなドメイン環境における自己改善を扱う必要がある。
AgentStudioは、非常に汎用的な観察とアクション空間を備えた軽量でインタラクティブな環境を提供する。
オンラインベンチマークタスクの作成、GUI要素の注釈付け、ビデオ内のアクションのラベル付けといったツールを統合する。
環境とツールに基づいて、GUIインタラクションと関数呼び出しの両方を効率的な自動評価でベンチマークするオンラインタスクスイートをキュレートします。
論文 参考訳（メタデータ） (2024-03-26T17:54:15Z)
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。