論文の概要: Towards Assurance Closure in AI-Native Large-Scale Agile Software Development
- arxiv url: http://arxiv.org/abs/2608.07317v1
- Date: Fri, 07 Aug 2026 15:11:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.538887
- Title: Towards Assurance Closure in AI-Native Large-Scale Agile Software Development
- Title（参考訳）: AI-Nativeの大規模アジャイルソフトウェア開発における保証クロージャの実現に向けて
- Abstract要約: AI-Native Manifestoは、人間が意図、リスク、例外をますます支配する大規模なアジャイルソフトウェア開発を想定している。
既存の作業は、形式的なメソッド、テスト、シミュレーション、保証ケース、デジタルツイン、実行時の保証など、多くの必要なメカニズムをすでに提供しています。
共有セマンティック・アシュアランス・レイヤ上に構築された6つの機能を持つ高レベルアーキテクチャを提案し,そのアーキテクチャを信頼性に富んだAIネイティブなR&Dに変換するための4つの研究課題を定式化した。
- 参考スコア（独自算出の注目度）: 1.8688913699916168
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The AI-Native Manifesto envisions large-scale agile software development in which humans increasingly govern intent, risk, and exceptions while agents execute more of the engineering process. Realizing that end-state requires more than better code generation: it requires assurance closure, meaning that the system can establish what must be true, determine and obtain appropriate evidence, judge the credibility of that evidence, preserve its validity through change, and use the resulting uncertainty to bound agent authority. Existing work already provides many of the necessary mechanisms across formal methods, testing, simulation, assurance cases, digital twins, and runtime assurance. We identify six residual gaps in making the surrounding assurance reasoning sufficiently machine-operable, propose a high-level architecture with six corresponding capabilities built on a shared semantic assurance layer, and formulate four research questions to turn that architecture into dependable, human-on-the-loop, AI-native R&D.
- Abstract（参考訳）: AI-Native Manifestoは、人間が意図、リスク、例外をますます支配し、エージェントがより多くのエンジニアリングプロセスを実行するような、大規模なアジャイルソフトウェア開発を想定している。
つまり、システムは、真実であるべきものを確立し、適切な証拠を確定し、その証拠の信頼性を判断し、変更を通じてその妥当性を保ち、結果として生じる不確実性を、限定されたエージェントの権威に利用することができる。
既存の作業は、形式的なメソッド、テスト、シミュレーション、保証ケース、デジタルツイン、実行時の保証など、多くの必要なメカニズムをすでに提供しています。
我々は、周囲の保証を十分にマシン操作可能とする上での6つの余分なギャップを特定し、共有セマンティック・アシュアランス層上に構築された6つの機能を備えたハイレベルアーキテクチャを提案し、そのアーキテクチャを信頼性のある人間対人AIネイティブなR&Dに変換するための4つの研究質問を定式化した。
関連論文リスト
- Towards Trustworthy Embodied Intelligence: A Systems Framework and Graded Trustworthiness Levels [53.63220028820581]
身体的知性は、学習した知覚と意思決定をリアルタイムの計算、制御、物理的相互作用と統合する。
我々は,信頼に値するインテリジェンスを,特定のタスクを確実に実行するための持続能力として定義する。
論文 参考訳（メタデータ） (2026-07-28T17:50:44Z) - Engineering Trustworthy Agentic AI for Critical Systems [1.8015174793525714]
この研究は、安全と制約満足度、堅牢性と信頼性、透明性と解釈可能性、説明責任と監査可能性、プライバシーとセキュリティの5つの横断的な側面で組織された信頼性モデルを採用している。
この基盤の上に構築されたエージェントシステムアーキテクチャ、脅威、具体的な信頼メカニズム、および定量的なメトリクスは、エージェントシステムの開発と評価において直接適用するために調査される。
これらの原則は、電力システム、自動運転車/ロボティクス/UAV、高性能コンピューティング、通信ネットワークの4つの制約のあるエンジニアリングドメインで検証される。
論文 参考訳（メタデータ） (2026-07-20T22:28:16Z) - UA-ChatDev: Uncertainty-Aware Multi-Agent Collaboration for Reliable Software Development [0.3670422696827525]
UA-ChatDevは不確実性を認識したマルチエージェントソフトウェア開発フレームワークである。
不確実な定量化をエージェント相互作用に統合する。
既存の単一エージェントとマルチエージェントのソフトウェア開発フレームワークを一貫して上回ります。
論文 参考訳（メタデータ） (2026-07-02T13:56:57Z) - The Meta-Agent Challenge: Are Current Agents Capable of Autonomous Agent Development? [80.24951682268332]
本稿では,自律エージェント開発のためのフロンティアモデルのキャパシティをテストするための評価フレームワークであるMeta-Agent Challenge(MAC)を紹介する。
評価の整合性を確保するため、このフレームワークは報奨ハッキングに対する多層防御によって確保される。
メタエージェントは人間工学的な基本方針とほとんど一致せず、その一部はプロプライエタリなフロンティアモデルに支配されている。
論文 参考訳（メタデータ） (2026-06-03T04:58:17Z) - Provably Secure Agent Guardrail [89.79561918065122]
既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。
本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
論文 参考訳（メタデータ） (2026-05-28T02:12:41Z) - Bridging the Gap on AI-Assisted Scientific Software Development Through Transparency and Traceability [4.466942018046944]
研究者はすでに、大規模な言語モデルを使用して、コードを書き、テストケースを生成し、ドキュメントをドラフトしています。
このAIの使用は、科学ソフトウェアの品質に対する体系的なリスクを表している。
本稿では,厳密なソフトウェア品質保証の文脈におけるAI支援コード開発のためのガイダンスを提案する。
論文 参考訳（メタデータ） (2026-05-17T22:08:52Z) - Towards trustworthy agentic AI: a comprehensive survey of safety, robustness, privacy, and system security [57.35851886874902]
エージェントAIシステムは、複雑なタスクを自律的に実行するが、その多段階の軌道には、信頼性に挑戦する新たな障害モードが導入されている。
この調査では、リスクの高いデプロイメントに不可欠な2つのコアディメンションを通じて、信頼できるエージェントAIを精査する。
各次元について、重要な概念を明確にし、エージェントワークフローに沿ってリスクが発生する場所を特定し、ステージ目標の緩和戦略を要約する。
論文 参考訳（メタデータ） (2026-05-17T10:26:37Z) - Making LLMs Reliable When It Matters Most: A Five-Layer Architecture for High-Stakes Decisions [51.56484100374058]
現在の大規模言語モデル(LLM)は、実行前にアウトプットをチェックできるが、不確実な結果を伴う高い戦略決定には信頼性が低い検証可能な領域で優れている。
このギャップは、人間と人工知能(AI)システムの相互認知バイアスによって引き起こされ、そのセクターにおける評価と投資の持続可能性の保証を脅かす。
本報告では、7つのフロンティアグレードLDMと3つの市場向けベンチャーヴィグネットの時間的圧力下での系統的質的評価から生まれた枠組みについて述べる。
論文 参考訳（メタデータ） (2025-11-10T22:24:21Z) - Co-Investigator AI: The Rise of Agentic AI for Smarter, Trustworthy AML Compliance Narratives [2.7295959384567356]
Co-Investigator AIは、SAR(Suspicious Activity Reports)の作成に最適化されたエージェントフレームワークであり、従来の方法よりも大幅に高速で精度が高い。
我々は、SARの草案作成を効率化し、物語を規制上の期待と一致させ、コンプライアンスチームが高次の分析作業に集中できるようにする能力を示します。
論文 参考訳（メタデータ） (2025-09-10T08:16:04Z) - Cognitive Kernel-Pro: A Framework for Deep Research Agents and Agent Foundation Models Training [67.895981259683]
汎用AIエージェントは、次世代人工知能の基礎となるフレームワークとして、ますます認識されている。
現在のエージェントシステムはクローズドソースか、さまざまな有料APIやプロプライエタリなツールに大きく依存している。
我々は,完全オープンソースかつ(最大限に)フリーなマルチモジュールエージェントフレームワークであるCognitive Kernel-Proを提案する。
論文 参考訳（メタデータ） (2025-08-01T08:11:31Z) - A Framework for the Assurance of AI-Enabled Systems [0.0]
本稿では,AIシステムのリスク管理と保証のためのクレームベースのフレームワークを提案する。
論文のコントリビューションは、AI保証のためのフレームワークプロセス、関連する定義のセット、AI保証における重要な考慮事項に関する議論である。
論文 参考訳（メタデータ） (2025-04-03T13:44:01Z)
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。