論文の概要: Vibe Coding Ate My Homework: An evaluation of AI approaches to greenfield software engineering and programming
- arxiv url: http://arxiv.org/abs/2606.18293v1
- Date: Mon, 15 Jun 2026 18:49:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-18 17:16:50.80003
- Title: Vibe Coding Ate My Homework: An evaluation of AI approaches to greenfield software engineering and programming
- Title（参考訳）: Vibe Coding Ate My Homework: グリーンフィールドソフトウェアエンジニアリングとプログラミングにおけるAIアプローチの評価
- Abstract要約: 本稿では,グリーンフィールドソフトウェア工学タスクにおけるビブ符号化の実現可能性を評価することを目的とする。
我々は,Pythonで単純で孤立したグリーンフィールドプログラミングタスクを実行する上で,LLMの習熟度を分析するための評価スイートを開発した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Thanks to rapid developments in generative AI, we are in the midst of a paradigm shift that may change how we interact with computers forever. We have observed a growth in the use of natural language prompts to build applications and coding infrastructures without underlying knowledge of the field, and this practice has been dubbed `vibe coding.' It arguably represents what the field of programming has been building towards since the beginning, with every higher level of abstraction that is conceived. Vibe coding promises to be the endpoint for the meta of high-level programming as far as method of input is concerned: eliminating a human's use of code syntax entirely in favour of programming in their mother tongue. This paper aims to evaluate the viability of vibe coding for greenfield software engineering tasks, as well as analyse the benchmarks that have been used to measure its software engineering prowess. To this end, we have developed an evaluation suite for analysing an LLM's proficiency in carrying out simple, isolated greenfield programming tasks in Python to provide scoped insight on the matter.
- Abstract（参考訳）: 生成AIの急速な発展により、私たちはコンピューターとの対話方法が永遠に変わるかもしれないパラダイムシフトの最中です。
我々は、この分野に関する基礎知識のないアプリケーションやコーディングインフラを構築するための自然言語プロンプトの利用の増加を観察しており、この実践は「バイブコーディング」と呼ばれている。
「初めからプログラミングの分野が目指してきたものを表しており、あらゆる高いレベルの抽象化が考え出されています。」
Vibeコーディングは、入力の方法に関して、ハイレベルプログラミングのメタのエンドポイントとなることを約束する。
本研究の目的は,グリーンフィールドのソフトウェアエンジニアリングタスクにおけるビブ符号化の実現可能性の評価と,そのソフトウェアエンジニアリングの成果を計測するためのベンチマークの分析である。
そこで我々は, LLM の習熟度を解析し,Python で単純で孤立的なグリーンフィールドプログラミングタスクを実行するための評価スイートを開発した。
関連論文リスト
- Beyond the Traceback: Using LLMs for Adaptive Explanations of Programming Errors [52.619793817715326]
本稿では,LLM生成したPythonエラーメッセージを,多段階のクラウドソースで評価する。
LLMで書き直されたメッセージは主観評価を著しく向上させたが、これらの評価結果は客観的デバッグ性能の統計的に有意な改善には至らなかった。
これは重要なヒューマンとAIの相補性ギャップを浮き彫りにしている。
論文 参考訳（メタデータ） (2026-08-21T09:14:28Z) - Computer Science Achievement and Writing Skills Predict Vibe Coding Proficiency [5.449649175237595]
ビブコーディング」では、自然言語でプログラムを指定でき、ソースコードを編集することなく観察された振る舞いを繰り返すことができる。
採用が加速している一方で、このワークフローでどのスキルが成功を予測できるかは分かっていない。
本報告では,コンピュータサイエンスの達成度,ドメイン総合認知能力,文字通信能力,バイブコーディング評価を修了した3年生を対象に,事前登録による横断的研究を行った。
論文 参考訳（メタデータ） (2026-03-14T21:42:22Z) - "Can you feel the vibes?": An exploration of novice programmer engagement with vibe coding [42.82674998306379]
ビブコーディング(vibe coding)とは、直接のコードオーサシップではなく、自然言語のプロンプトを通じてソフトウェアを作成することを指す。
本稿では、初心者プログラマと混合経験チームがどのようにバイブコーディングに関わるかを調査する1日間のハッカソンについて報告する。
論文 参考訳（メタデータ） (2025-12-02T13:32:23Z) - 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) - Vibe Coding: Toward an AI-Native Paradigm for Semantic and Intent-Driven Programming [0.0]
本稿では、開発者が所望の「ビブ」の定性記述子とともに高レベルの機能的意図を規定する、AIネイティブプログラミングパラダイムであるビブコーディングを紹介する。
インテリジェントエージェントは、これらの仕様を実行可能なソフトウェアに変換する。
論文 参考訳（メタデータ） (2025-10-09T22:31:53Z) - Generative AI for Object-Oriented Programming: Writing the Right Code and Reasoning the Right Logic [2.170361965861349]
大規模言語モデル (LLM) は、財務、常識知識グラフ、医学、視覚分析にまたがる様々な応用がある。
私たちの研究は、OOPタスクに関わる主要な利害関係者の視点からビジョンを提示することで、このギャップに対処することを目的としています。
さらに,既存の論理的推論とコード記述を強化し,最終的にプログラミング体験を向上させる方法を提案する。
論文 参考訳（メタデータ） (2025-08-07T03:38:17Z) - MERA Code: A Unified Framework for Evaluating Code Generation Across Tasks [56.34018316319873]
我々は,最新のLLMをロシア語で評価するためのベンチマークであるMERA Codeを提案する。
このベンチマークには、8つのプログラミング言語にまたがる11の評価タスクが含まれている。
我々はオープンなLLMとフロンティアAPIモデルを評価し、非英語言語における実用的なコーディングタスクの観点からそれらの制限を分析した。
論文 参考訳（メタデータ） (2025-07-16T14:31:33Z) - Challenges and Paths Towards AI for Software Engineering [55.95365538122656]
ソフトウェア工学におけるAIの進歩を3倍に議論する。
まず、ソフトウェア工学のためのAIにおいて、具体的なタスクを構造化した分類法を提供する。
次に、現在のアプローチを制限するいくつかの重要なボトルネックを概説する。
論文 参考訳（メタデータ） (2025-03-28T17:17:57Z) - Will Code Remain a Relevant User Interface for End-User Programming with
Generative AI Models? [20.275891144535258]
我々は、ジェネレーティブAIを持つ世界で「伝統的な」プログラミング言語が、非専門家のエンドユーザープログラマにどのような意味を持つのかを探求する。
従来型プログラミング言語がエンドユーザプログラマにとって,いまだに意味があり有用である,いくつかの理由を概説する。
論文 参考訳（メタデータ） (2023-11-01T09:20:21Z) - Towards AGI in Computer Vision: Lessons Learned from GPT and Large
Language Models [98.72986679502871]
大規模言語モデル(LLM)を利用したチャットシステムが出現し、人工知能(AGI)を実現するための有望な方向へと急速に成長する
しかし、コンピュータビジョン(CV)におけるAGIへの道のりは未だに不明である。
CVアルゴリズムを世界規模で対話可能な環境に配置し、その動作に関する将来のフレームを予測するための事前トレーニングを行い、さまざまなタスクをこなすための命令で微調整するパイプラインを想像する。
論文 参考訳（メタデータ） (2023-06-14T17:15:01Z) - Is ChatGPT the Ultimate Programming Assistant -- How far is it? [11.943927095071105]
ChatGPTは非常に注目されており、ソースコードを議論するためのボットとして使用できる。
完全自動プログラミングアシスタントとしてのChatGPTの可能性について実証的研究を行った。
論文 参考訳（メタデータ） (2023-04-24T09:20:13Z) - Generation Probabilities Are Not Enough: Uncertainty Highlighting in AI Code Completions [54.55334589363247]
本研究では,不確実性に関する情報を伝達することで,プログラマがより迅速かつ正確にコードを生成することができるかどうかを検討する。
トークンのハイライトは、編集される可能性が最も高いので、タスクの完了が早くなり、よりターゲットを絞った編集が可能になることがわかりました。
論文 参考訳（メタデータ） (2023-02-14T18:43:34Z)
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。