論文の概要: AfterVibe: What Remains When the Conversation Ends

• arxiv url: http://arxiv.org/abs/2607.09900v1
• Date: Fri, 10 Jul 2026 18:44:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.241607
• Title: AfterVibe: What Remains When the Conversation Ends
• Title（参考訳）: AfterVibe: 会話が終わったら残るもの
• Abstract要約: 本稿では,ビブ符号化セッションから自然言語仕様を復元するフレームワークであるAfterVibeを紹介する。 第2の盲目のAIエージェントが仕様からアーティファクトを再作成し、結果のコードが元のものとグレードされる。 企業内コーディングセッションから,72個の実世界のビブコードプロジェクトについて,AfterVibeを評価した。
• 参考スコア（独自算出の注目度）: 7.143228043700648
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present AfterVibe, a framework that recovers natural-language specifications from a vibe coding session. Given a code artifact and the conversation trajectory that produced it, AfterVibe uses an LLM to extract an abstract natural-language specification capturing the developer's intent, and validates it through a regeneration test: a second, blind AI agent re-implements the artifact from the spec alone, and the resulting code is graded against the original through a multi-tier validation pipeline. Spec quality is thus measured by whether an agent can regenerate passing code; if the verifiers deem the implementations equivalent the spec is considered strong, otherwise it is iteratively refined. Evaluating AfterVibe on 72 real-world vibe-coded projects from a company's internal coding sessions, we find that its recovered specs are abstract by design-capturing behavioral intent without dictating implementation-yet strong. Multiple independent regenerations achieve a high mean regeneration score of 5.06 out of 6.0 while remaining diverse in their details, confirming that the spec constrains what without over-prescribing how. Besides outperforming existing human-authored descriptions, the specs can be further strengthened iteratively to a score of 5.74. A practical implication is that specifications-not code-could become the primary artifact for human review and the source of record at a time when AI-generated code is outpacing customary code review.
• Abstract（参考訳）: 本稿では,ビブ符号化セッションから自然言語仕様を復元するフレームワークであるAfterVibeを紹介する。 コードアーチファクトとそれを作った会話の軌跡が与えられた後、AfterVibeはLLMを使用して開発者の意図を捉えた抽象的な自然言語仕様を抽出し、再生テストを通じて検証する。 したがって、エージェントがパスコードを再生成できるかどうかによって仕様の品質が測定され、検証者が仕様と同等の実装を評価すれば、仕様は強く、そうでなければ反復的に洗練される。 AfterVibeは、社内のコーディングセッションから72の現実世界のvibe-codeedプロジェクトを評価したところ、その回復した仕様は、実装の強みを判断することなく、設計を捉えた行動意図によって抽象化されていることがわかった。 複数の独立再生は6.0点中5.06点の高い平均再生スコアを達成しているが、その詳細は様々であり、仕様が過度に規定されることなく何に制約するかを確認している。 既存の人間による記述よりも優れているだけでなく、仕様は5.74点まで反復的に強化することができる。 現実的な意味は、AI生成コードが慣例的なコードレビューを上回っているとき、仕様ではなくコードが人間のレビューの主要なアーティファクトになり、記録のソースになるということです。

関連論文リスト

• Bridging Behavior and Implementation: Automated Java Glue Code Generation for Behavior-Driven Development [14.438300737283205]
  本稿では,自動Javaグルーコード生成のための階層型マルチエージェントフレームワークであるAutoGlueを紹介する。 振る舞い解釈は、シナリオコンテキストからステップの意図を導き、開発者エージェントは関連するBDDアーティファクトとプロジェクトコードを取得する。 私たちは8つのオープンソースプロジェクトから1,307ステップでAutoGlueを評価します。
  論文  参考訳（メタデータ） (2026-07-22T03:06:45Z)
• Viverra: Text-to-Code with Guarantees [5.566349423527438]
  Viverraは、ユーザが生成したプログラムを理解するのを助けるために、生成したコードと一緒に、正式に認証されたアノテーションを自動的に生成するシステムである。 V Viverraは、認証されたアサーションで効率的にコードを生成することができ、これらのアサーションは、コード理解タスクにおけるユーザのパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2026-05-14T15:36:44Z)
• CodeSpecBench: Benchmarking LLMs for Executable Behavioral Specification Generation [49.30536937161147]
  本稿では,実行ベース評価プロトコルの下で実行可能な動作仕様生成のためのベンチマークであるCodeSpecBenchを紹介する。 CodeSpecBenchは関数レベルとリポジトリレベルのタスクの両方をサポートし、仕様を実行可能なPython関数としてエンコードする。 リポジトリレベルのタスクでは、最高のモデルが20.2%のパス率しか達成できないため、パフォーマンスが大幅に低下するのを観察します。
  論文  参考訳（メタデータ） (2026-04-14T04:31:45Z)
• Abductive Vibe Coding (Extended Abstract) [5.33940904910024]
  この抽象論は、ビブ符号化されたアーティファクトの妥当性に関する分析可能な半形式的理性の抽出に向けた進行中の作業について述べる。 我々のフレームワークは、直接正確性を決定するのではなく、生成したコードが適切に考慮された条件のセットを生成します。
  論文  参考訳（メタデータ） (2026-01-03T14:57:20Z)
• BigCodeArena: Unveiling More Reliable Human Preferences in Code Generation via Execution [68.95247403447051]
  BigCodeArenaは、包括的でオンザフライな実行環境を背景とした、コード生成のためのオープンなヒューマン評価プラットフォームである。 10の言語と8種類の実行環境にまたがる10のLLMで14,000以上の生のコード中心の会話セッションを収集しました。 BigCodeRewardでは、4700件の会話を後処理し、報酬モデルと人間の好みの一貫性を評価した。
  論文  参考訳（メタデータ） (2025-10-09T18:01:47Z)
• FeatBench: Evaluating Coding Agents on Feature Implementation for Vibe Coding [11.846768103642583]
  FeatBenchは、機能実装に焦点を当てた、バイブコーディングのための新しいベンチマークである。 FeatBenchは、ベンチマークを進化させるための品質と完全に自動化されたパイプラインを保証するために、マルチレベルのフィルタリングパイプライン上に構築されている。 我々の評価によると、ビブ符号化パラダイムにおける機能実装は重要な課題であり、最高成功率は29.94%である。
  論文  参考訳（メタデータ） (2025-09-26T11:47:50Z)
• Turning the Tide: Repository-based Code Reflection [52.13709676656648]
  マルチファイルリポジトリコンテキストにおけるコード理解と生成を評価するベンチマークであるLiveRepoReflectionを紹介する。 多様性、正確性、難易度を確保するため、6ドル(約6,800円)のプログラミング言語で厳格にテストケースをフィルタリングしました。 RepoReflection-Instructは、さまざまなソースから派生した大規模で品質の高い命令チューニングデータセットである。
  論文  参考訳（メタデータ） (2025-07-14T02:36:27Z)
• VERINA: Benchmarking Verifiable Code Generation [46.582574591358735]
  大規模言語モデル(LLM)は、ソフトウェア開発にますます統合されている。 LLM生成コードの正確性を保証することは依然として困難である。 検証可能なコード生成は、この制限に対処するための有望なパスを提供する。
  論文  参考訳（メタデータ） (2025-05-29T06:12:52Z)
• 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)
• RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation [96.75695811963242]
  RepoCoderはリポジトリレベルのコード補完プロセスを合理化するフレームワークである。 類似性ベースのレトリバーと、事前訓練されたコード言語モデルが組み込まれている。 バニラ検索で拡張されたコード補完アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2023-03-22T13:54:46Z)

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。