論文の概要: Bridging Requirements and Architecture: Multi-Agent Orchestration with External Knowledge and Hierarchical Memory

• arxiv url: http://arxiv.org/abs/2606.01385v1
• Date: Sun, 31 May 2026 18:18:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-02 21:34:29.676864
• Title: Bridging Requirements and Architecture: Multi-Agent Orchestration with External Knowledge and Hierarchical Memory
• Title（参考訳）: ブリッジング要件とアーキテクチャ:外部知識と階層記憶を備えたマルチエージェントオーケストレーション
• Authors: Ruiyin Li, Yiran Zhang, Xiyu Zhou, Yangxiao Cai, Peng Liang, Weisong Sun, Jifeng Xuan, Zhi Jin, Yang Liu,
• Abstract要約: 我々は,4つの専門エージェントを編成し,アーキテクチャのブループリントを属性とする知識駆動型フレームワークであるMAAD(Multi-Agent Architecture Design)を提案する。 我々はMAADがベースラインよりも完全でモジュラーでトレーサブルなアーキテクチャを生成することを示し、その専用評価エージェントは構造化された品質評価レポートを自律的に作成する。
• 参考スコア（独自算出の注目度）: 37.071260774880884
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Software architecture design is a critical yet inherently complex and knowledge-intensive phase that requires balancing competing quality attributes and adapting to evolving requirements. Traditionally, this process has been time-consuming, labor-intensive, and heavily reliant on architects, often resulting in limited exploration of alternative architectural decompositions and styles, especially under the pressures of agile development. While LLM-based agents have shown promising performance across various software engineering tasks, their application to architecture design remains relatively scarce and requires systematic exploration. To address these challenges, we proposed MAAD (Multi-Agent Architecture Design), a knowledge-driven framework that orchestrates four specialized agents (i.e., Analyst, Modeler, Designer and Evaluator) to autonomously and collaboratively transform requirements specifications into comprehensive, multi-view architectural blueprints with quality attribute assessments. MAAD incorporates RAG to inject recognized architectural standards and patterns into the workflow and leverages a hierarchical memory mechanism that captures design history for iterative refinement. We evaluated MAAD through comparative experiments against MetaGPT, using quantitative architecture-level metrics across 10 case studies and qualitative feedback from industry architects on 10 real-world specifications. Results show that MAAD generates more complete, modular, and traceable architectures than the baseline, and its dedicated Evaluator agent autonomously produces structured quality evaluation reports that significantly reduce manual validation efforts. Furthermore, we found that the quality of the generated architecture heavily depends on the underlying LLM's reasoning capacity, with GPT-5.2 and Qwen3.5 outperforming other models across most evaluation settings.
• Abstract（参考訳）: ソフトウェアアーキテクチャ設計は、本質的には複雑で知識集約的なフェーズであり、競合する品質特性のバランスと、進化する要求に適応する必要がある。 伝統的に、このプロセスは時間がかかり、労働集約的であり、アーキテクトに大きく依存している。 LLMベースのエージェントは、様々なソフトウェアエンジニアリングタスクで有望なパフォーマンスを示しているが、アーキテクチャ設計への応用は依然として比較的少なく、体系的な探索が必要である。 これらの課題に対処するため,我々は,MAAD(Multi-Agent Architecture Design)という,4つの専門エージェント(アナリスト,モデル,デザイナ,評価者)を編成する知識駆動型フレームワークを提案した。 MAADはRAGを組み込み、認識されたアーキテクチャ標準とパターンをワークフローに注入し、階層的なメモリ機構を活用し、反復的な洗練のために設計履歴をキャプチャする。 我々は,MetaGPTとの比較実験を通じてMAADを評価し,10のケーススタディにわたる定量的アーキテクチャレベルのメトリクスと,10の現実世界仕様に関する業界アーキテクトからの質的なフィードバックを用いた。 その結果、MAADはベースラインよりも完全でモジュラーでトレーサブルなアーキテクチャを生成し、専用の評価エージェントは、手作業による検証作業を大幅に削減する構造化品質評価レポートを自律的に作成することがわかった。 さらに,GPT-5.2 と Qwen3.5 は,ほとんどの評価設定において,LLM の推論能力に大きく依存していることが判明した。

関連論文リスト

• Towards Automated Ontology Generation from Unstructured Text: A Multi-Agent LLM Approach [1.029029220360574]
  大規模言語モデル(LLM)は将来性を示すが、どのアーキテクチャ設計が生成品質を駆動するかは定かではない。 本研究は、ドメイン固有の保険契約を用いて、これらの課題を調査するための制御された実験的研究である。 その結果,マルチエージェントアプローチは構造的品質を著しく向上し,クエリ可能性も適度に向上することがわかった。
  論文  参考訳（メタデータ） (2026-04-25T00:58:17Z)
• Designing Adaptive Digital Nudging Systems with LLM-Driven Reasoning [0.688204255655161]
  デジタルヌージングシステムは、行動科学をソフトウェア設計に翻訳するためのアーキテクチャ上のガイダンスを欠いている。 明示的なアーキテクチャ決定を通じて行動理論を利用するアーキテクチャを提案する。 この作業は、適応システムに再利用可能なパターンを提供することによって、行動科学とソフトウェアアーキテクチャを橋渡しする。
  論文  参考訳（メタデータ） (2026-04-13T09:03:25Z)
• Benchmarking Requirement-to-Architecture Generation with Hybrid Evaluation [8.867061253116367]
  大規模言語モデル(LLM)は、ソフトウェアエンジニアリングタスクの自動化において大きな可能性を証明している。 要件文書からソフトウェアアーキテクチャ設計を生成することは、ソフトウェア開発における重要なステップである。 R2ABenchは、さまざまな現実世界のソフトウェアプロジェクトと、包括的製品要求文書(PRD)と専門家による参照図を組み合わせた、新しいベンチマークである。
  論文  参考訳（メタデータ） (2026-04-08T04:58:36Z)
• Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
  RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。 複数の多様な実装設計を生成することで、線形パッチから切り離される。 NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
  論文  参考訳（メタデータ） (2026-03-02T12:50:40Z)
• MAAD: Automate Software Architecture Design through Knowledge-Driven Multi-Agent Collaboration [20.14573932063689]
  アーキテクチャ設計に知識駆動型マルチエージェントシステム(MAS)を利用する自動フレームワークであるMAAD(Multi-Agent Architecture Design)を提案する。 MAADは、要求仕様を協調的に解釈し、アーキテクチャの青写真を作成するために、4つの特殊エージェント(アナリスト、モデル、設計者、評価者)を編成する。 以上の結果から,MAADの優位性は,総合的なアーキテクチャコンポーネントの生成と,洞察に富んだ構造化されたアーキテクチャ評価レポートの提供にあることが示された。
  論文  参考訳（メタデータ） (2025-07-28T23:18:25Z)
• Semi-Automated Design of Data-Intensive Architectures [49.1574468325115]
  本稿では,データ集約型アーキテクチャの開発手法を紹介する。 i) 特定のアプリケーションシナリオに適したアーキテクチャを設計し、(ii) アプリケーションを実装するための具体的なシステムの適切なセットを選択することをアーキテクトに案内します。 私たちが採用している記述言語は、研究者や実践者が提案するデータ集約アーキテクチャの重要な側面を捉えることができる。
  論文  参考訳（メタデータ） (2025-03-21T16:01:11Z)
• Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
  我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。 本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。 我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T16:33:12Z)
• From Requirements to Architecture: An AI-Based Journey to Semi-Automatically Generate Software Architectures [2.4150871564195007]
  本稿では,人工知能技術を用いた要件に基づくソフトウェアアーキテクチャ候補生成手法を提案する。 さらに、生成したアーキテクチャ候補の自動評価とトレードオフ分析を計画する。
  論文  参考訳（メタデータ） (2024-01-25T10:56:58Z)
• Enhancing Architecture Frameworks by Including Modern Stakeholders and their Views/Viewpoints [48.87872564630711]
  データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。 10か国25以上の組織から61名の被験者を対象に調査を行った。
  論文  参考訳（メタデータ） (2023-08-09T21:54:34Z)

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。