論文の概要: Vibe Coding in Software Development: A Multivocal Literature Review
- arxiv url: http://arxiv.org/abs/2607.21652v1
- Date: Wed, 22 Jul 2026 17:43:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-27 20:58:56.943111
- Title: Vibe Coding in Software Development: A Multivocal Literature Review
- Title（参考訳）: Vibe Coding in Software Development: a Multivocal Literature Review
- Abstract要約: ビブコーディング(Vibe coding)は、開発者が自然言語への意図を述べ、大きな言語モデルがコードを生成するソフトウェア開発のプラクティスである。
我々の知る限り、既存のレビューは、バイブコーディングに関するピアレビューとグレーの文献をまだ統合していない。
これは、ピアレビューとグレーの文献を単一の文書化されたプロトコルでビブコーディングに統合した最初のレビューの1つである。
- 参考スコア（独自算出の注目度）: 2.1794203097646125
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vibe coding is a software development practice in which developers state intent in natural language and large language models generate code. It is often framed as one-shot prompting, but the evidence describes an intent-driven, iterative workflow whose outcomes depend on how generated code is evaluated and governed. Knowledge of how vibe coding is defined, practiced, and governed is scattered across academic and practitioner sources, and, to our knowledge, existing reviews have not yet integrated both evidence streams. We conducted a multivocal literature review of peer-reviewed and grey literature following established guidelines. Searches spanned 2022 to October 2025. After screening, credibility assessment, and snowballing, 47 sources were retained (28 peer-reviewed and 19 grey) and analyzed through descriptive mapping and thematic synthesis across eight research questions. Vibe coding is consistently described as an iterative generation-evaluation-revision loop rather than a one-shot activity, and developer work shifts from writing code towards specification, supervision, and validation. Short-term productivity and time-to-prototype gains are reported in 21 of 47 sources (45%), while evidence on maintainability, long-term quality, and safeguard effectiveness remains limited. Evidence is strongest for prototyping and user-interface work and weakest for production, data-intensive, and safety-critical use, and tool visibility does not imply effectiveness. This is one of the first reviews to integrate peer-reviewed and grey literature on vibe coding under a single documented protocol. Future work should evaluate safeguard effectiveness, study session-level dynamics and long-term maintainability, and test vibe coding in production, data-intensive, and safety-critical settings.
- Abstract（参考訳）: ビブコーディング(Vibe coding)は、開発者が自然言語への意図を述べ、大きな言語モデルがコードを生成するソフトウェア開発のプラクティスである。
多くの場合、ワンショットプロンプトとして扱われるが、エビデンスには、生成されたコードがどのように評価され、管理されるかに依存する、意図駆動の反復的なワークフローが記述されている。
バイブコーディングの定義、実践、管理に関する知識は、学術的、実践的なソースに分散しており、私たちの知識では、既存のレビューはエビデンスストリームの両方をまだ統合していません。
我々は,確立されたガイドラインに従って,ピアレビューおよびグレー文学の多言語文献レビューを行った。
2022年から2025年10月までの探索。
スクリーニング,信頼性評価,雪玉化後,47件の資料(28項目のピアレビュー,19項目のグレー)を保存し,記述的マッピングと8つの研究課題のテーマ合成を通じて分析した。
ビブコーディングは、ワンショットのアクティビティではなく、反復的な生成・評価・修正ループとして一貫して記述されており、開発者の作業は、コードの記述から仕様、監督、検証へとシフトしている。
47源中21源(45%)で短期生産性と時間-プロトタイプゲインが報告され、維持可能性、長期品質、安全効果の証拠は限られている。
Evidenceはプロトタイピングとユーザインターフェースの作業で最強であり、生産、データ集約、安全クリティカルな使用において最弱であり、ツールの可視性は意味をなさない。
これは、ピアレビューとグレーの文献を単一の文書化されたプロトコルでビブコーディングに統合した最初のレビューの1つである。
今後の作業は、セーフガードの有効性、セッションレベルのダイナミクスと長期維持可能性の研究、本番環境でのテストビブコーディング、データ集約、安全クリティカルな設定を評価すべきである。
関連論文リスト
- Vibe Coding: Practice, Performance, Productivity, and Risk -A State-of-the-Art Review [5.061021429555365]
最先端のレビューでは、ソフトウェア工学、人間とコンピュータの相互作用、労働経済学、セキュリティ研究、ガバナンス、教育にまたがる学際的コーパスにまたがる証拠がまとめられている。
モデルランドスケープ、ツールエコシステム、タスクタイプによるパフォーマンス記録を調査し、初期ベンチマークは飽和しているがタスクレベルの能力は不均一である。
デプロイされたアプリケーションのセキュリティ上の障害、大規模コードと開発者テレメトリで見えるコード品質の劣化、未解決の著作権暴露、スキル萎縮の証拠を文書化します。
論文 参考訳（メタデータ） (2026-08-20T16:10:28Z) - AI for Auto-Research: Roadmap & User Guide [107.0834449839233]
研究ライフサイクル全体にわたってAIをエンドツーエンドに分析する。
我々は、信頼できる援助と信頼できない自律性の間に、鋭くステージに依存した境界を特定できる。
障害モードを排除するのではなく、より大きな自動化が不明瞭であることが示されています。
論文 参考訳（メタデータ） (2026-05-18T17:08:26Z) - Prompt-Driven Code Summarization: A Systematic Literature Review [4.238464304669881]
大きな言語モデル(LLM)は、ソースコードから自然言語記述を自動的に生成することで、有望なソリューションを提供する。
この体系的なレビュー文献は、既存の証拠を集約し、パラダイムを推進し、その効果を検証し、将来の研究と実践的採用のガイドとなるギャップを特定する。
論文 参考訳（メタデータ） (2026-04-16T03:25:28Z) - Readability-Robust Code Summarization via Meta Curriculum Learning [53.44612630063336]
現実の世界では、コードが貧弱な構造や難読化され、モデルのパフォーマンスが著しく低下することが多い。
本稿では,可読性の低いコードに対するコード要約の堅牢性を向上する,新しい微調整手法であるRoFTCodeSumを提案する。
論文 参考訳（メタデータ） (2026-01-09T02:38:24Z) - Building Software by Rolling the Dice: A Qualitative Study of Vibe Coding [15.145249560710377]
ビブ・コーダ"は、主にコードを書くのではなく、プロンプトを通じてソフトウェアを構築する。
ライブ・ストリーミング・コーディング・セッション7本と意見ビデオ13本を含む20本のバイブ・コーディング・ビデオについて理論的研究を行った。
ビブコーダーの中にはAIにほぼ完全に依存する者もいれば、生成された出力を調べて適応する者もいる。
論文 参考訳（メタデータ） (2025-12-27T00:38:37Z) - CoCoNUTS: Concentrating on Content while Neglecting Uninformative Textual Styles for AI-Generated Peer Review Detection [60.52240468810558]
我々は、AI生成ピアレビューの詳細なデータセットの上に構築されたコンテンツ指向ベンチマークであるCoCoNUTSを紹介する。
また、マルチタスク学習フレームワークを介してAIレビュー検出を行うCoCoDetを開発し、レビューコンテンツにおけるAIのより正確で堅牢な検出を実現する。
論文 参考訳（メタデータ） (2025-08-28T06:03:11Z) - Leveraging Reward Models for Guiding Code Review Comment Generation [13.306560805316103]
コードレビューは、コード品質の評価、潜在的な問題に対するフィードバックの提供、特定された問題に対処するためのコード修正を含む、現代のソフトウェア開発において重要なコンポーネントである。
ディープラーニングのテクニックは、人間のレビュアーが行うようなコードにコメントすることで、コードレビューのジェネレーティブな側面に取り組むことができる。
本稿では,報酬機構を備えた強化学習を活用することによって,レビューコメント生成を自動化するディープラーニングフレームワークであるCoRALを紹介する。
論文 参考訳（メタデータ） (2025-06-04T21:31:38Z) - Training Language Models to Generate Quality Code with Program Analysis Feedback [66.0854002147103]
大規模言語モデル(LLM)によるコード生成は、ますます本番環境で採用されているが、コード品質の保証には失敗している。
実運用品質のコードを生成するためにLLMにインセンティブを与える強化学習フレームワークであるREALを提案する。
論文 参考訳（メタデータ） (2025-05-28T17:57:47Z) - 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) - Investigating the Impact of Vocabulary Difficulty and Code Naturalness
on Program Comprehension [3.35803394416914]
本研究の目的は,言語習得の観点から可読性と可読性を評価することである。
我々は,それらの相関関係を理解するために統計的解析を行い,可読性および可読性予測法の性能向上にコード自然性および語彙難易度を用いることができるか分析する。
論文 参考訳（メタデータ） (2023-08-25T15:15:00Z) - A Transformer-based Approach for Source Code Summarization [86.08359401867577]
コードトークン間のペア関係をモデル化することにより,要約のためのコード表現を学習する。
アプローチは単純であるにもかかわらず、最先端技術よりもかなりの差があることが示される。
論文 参考訳（メタデータ） (2020-05-01T23:29:36Z)
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。