論文の概要: The Case for Vibe Modeling: A Missing Step in AI-Based Trustworthy Software Development
- arxiv url: http://arxiv.org/abs/2607.27923v1
- Date: Thu, 30 Jul 2026 09:37:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-31 21:37:00.488965
- Title: The Case for Vibe Modeling: A Missing Step in AI-Based Trustworthy Software Development
- Title（参考訳）: バイブモデリングの事例:AIベースの信頼できるソフトウェア開発の失敗ステップ
- Authors: Shalini Chakraborty, Michael Mittermaier, Judith Michael,
- Abstract要約: 現在のAIベースの開発プラクティスは、コードの直接生成に重きを置いている、と私たちは主張する。
我々は、自然言語の相互作用とコード生成の間の軽量な中間抽象化として、ビブモデリングを論じる。
- 参考スコア（独自算出の注目度）: 0.7783262415147654
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large Language Models (LLMs) are increasingly used to generate software artifacts from natural language prompts. While this enables rapid prototyping and lowers the barrier to software creation, it also introduces challenges related to understanding, validation, traceability, and trust. In this paper, we argue that current AI-based development practices focus too heavily on the direct generation of code and insufficiently on intermediate representations that preserve human intent and support reasoning about system behavior. We argue for vibe modeling as a lightweight intermediate abstraction between natural language interaction and code generation. To explore its potential, we present a student survey study that examines perceptions of LLM output understanding, validation effort, trust and the perceived usefulness of vibe modeling across several AI-assisted development scenarios. Our results are intended to inform future studies for trustworthy and explainable AI-based software engineering via vibe modeling.
- Abstract（参考訳）: 大規模言語モデル(LLM)は、自然言語のプロンプトからソフトウェアアーチファクトを生成するために、ますます使われています。
これは、迅速なプロトタイピングを可能にし、ソフトウェア作成の障壁を低くする一方で、理解、検証、トレーサビリティ、信頼に関する課題も導入する。
本稿では、現在のAIベースの開発プラクティスは、コードの直接生成に重きを置いており、人間の意図を保存し、システムの振る舞いに関する推論を支援する中間表現には不十分である、と論じる。
我々は、自然言語の相互作用とコード生成の間の軽量な中間抽象化として、ビブモデリングを論じる。
その可能性を探るため,複数のAI支援開発シナリオにおいて,LLM出力理解,検証努力,信頼感,ビブモデリングの有用性について,学生による調査を行った。
我々の研究結果は、ビブモデリングを通じて、信頼できる、説明可能なAIベースのソフトウェアエンジニアリングについて、今後の研究を知らせることを目的としている。
関連論文リスト
- The Vibe-Check Protocol: Quantifying Cognitive Offloading in AI Programming [5.584060970507507]
Vibe Coding'は、開発者が自然言語を通じてハイレベルな意図を明確に表現し、AIエージェントに実装を委譲するパラダイムである。
本稿では,ソフトウェア工学の学習方法としてテキストIs Vibe Codingが優れているか,という研究課題を解明するための理論的枠組みを提案する。
論文 参考訳（メタデータ） (2026-01-02T06:13:41Z) - 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) - Continual Learning for Generative AI: From LLMs to MLLMs and Beyond [56.29231194002407]
本稿では,主流生成型AIモデルに対する連続学習手法の総合的な調査を行う。
これらのアプローチをアーキテクチャベース、正規化ベース、リプレイベースという3つのパラダイムに分類する。
我々は、トレーニング目標、ベンチマーク、コアバックボーンを含む、異なる生成モデルに対する連続的な学習設定を分析する。
論文 参考訳（メタデータ） (2025-06-16T02:27:25Z) - 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) - SENAI: Towards Software Engineering Native Generative Artificial Intelligence [3.915435754274075]
本稿では,ソフトウェア工学の知識を大規模言語モデルに統合することについて議論する。
本研究の目的は,LLMが単なる機能的精度を超えて生成タスクを実行できる新しい方向を提案することである。
ソフトウェアエンジニアリング ネイティブな生成モデルは、現在のモデルに存在する欠点を克服するだけでなく、現実世界のソフトウェアエンジニアリングを扱うことができる次世代の生成モデルへの道を開くでしょう。
論文 参考訳（メタデータ） (2025-03-19T15:02:07Z) - Generative AI and Empirical Software Engineering: A Paradigm Shift [9.284024538100063]
本稿では,大規模言語モデルのソフトウェア工学への統合が,確立した研究パラダイムをいかに破壊するかを考察する。
我々は、我々が研究している現象、我々が依存する方法や理論、分析するデータ、そして、動的AIを介する環境で発生する妥当性に対する脅威をどう変えるかについて議論する。
私たちの目標は、経験豊かなソフトウェアエンジニアリングコミュニティが、AIシステムが単なるツールではなく、ソフトウェアエンジニアリングとその研究を形作る活発な協力者の未来に、その質問や道具、検証基準を適合させることです。
論文 参考訳（メタデータ） (2025-02-12T04:13:07Z) - LVLM-Interpret: An Interpretability Tool for Large Vision-Language Models [50.259006481656094]
本稿では,大規模視覚言語モデルの内部メカニズムの理解を目的とした対話型アプリケーションを提案する。
このインタフェースは, 画像パッチの解釈可能性を高めるために設計されており, 応答の生成に有効である。
本稿では,一般的な大規模マルチモーダルモデルであるLLaVAにおける障害機構の理解に,アプリケーションがどのように役立つかのケーススタディを示す。
論文 参考訳（メタデータ） (2024-04-03T23:57:34Z) - DIME: Fine-grained Interpretations of Multimodal Models via Disentangled
Local Explanations [119.1953397679783]
我々は,マルチモーダルモデルの解釈における最先端化に注力する。
提案手法であるDIMEは,マルチモーダルモデルの高精度かつきめ細かな解析を可能にする。
論文 参考訳（メタデータ） (2022-03-03T20:52:47Z) - WenLan 2.0: Make AI Imagine via a Multimodal Foundation Model [74.4875156387271]
我々は,膨大なマルチモーダル(視覚的・テキスト的)データを事前学習した新しい基礎モデルを開発する。
そこで本研究では,様々な下流タスクにおいて,最先端の成果が得られることを示す。
論文 参考訳（メタデータ） (2021-10-27T12:25:21Z)
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。