論文の概要: Humans are Missing from AI Coding Agent Research

• arxiv url: http://arxiv.org/abs/2608.12355v1
• Date: Sat, 04 Jul 2026 01:24:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.189815
• Title: Humans are Missing from AI Coding Agent Research
• Title（参考訳）: 人間はAIコーディングエージェント研究に欠席している
• Abstract要約: 我々は、自律的なプログラミングエージェントから人間中心のコーディングエージェントへの方向転換を主張する。 課題解決ループを特徴付ける4つの中核的相互作用レベルを同定する。
• 参考スコア（独自算出の注目度）: 116.47136146149226
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent progress in AI coding agent research has led to rapid improvements in agents' ability to autonomously perform complex software engineering tasks, from editing large codebases to executing long-horizon development workflows. As these systems make strides, however, the primary bottleneck to practical usefulness increasingly shifts away from pure task-solving capability, and toward challenges in how users communicate with, supervise, and trust agents. In this position paper, we argue for a reorientation from autonomous to human-centered coding agents: systems designed not only to complete tasks, but to collaborate effectively with people. We identify four core interaction-level dimensions that characterize the human-agent task-solving loop: task alignment, verifiability, steerability, and adaptability. Finally, we outline concrete research directions to advance these dimensions, including user-involved coding environments, comprehensive verification mechanisms, and principled measures of human-agent interaction quality.
• Abstract（参考訳）: AIコーディングエージェント研究の最近の進歩は、大規模なコードベースの編集から長期開発ワークフローの実行に至るまで、エージェントが自律的にソフトウェアエンジニアリングタスクを実行する能力の急速な改善につながっている。 しかし、これらのシステムが進歩するにつれて、実用性への主要なボトルネックは、純粋なタスク解決能力から、ユーザーがどのようにコミュニケーションし、監督し、信頼するエージェントに移行していく。 本稿では,タスクを完了させるだけでなく,人と効果的に協力するために設計されたシステムについて論じる。 タスクアライメント,検証可能性,操縦性,適応性という,ヒューマンエージェントのタスク解決ループを特徴付ける4つのコアインタラクションレベルを同定する。 最後に,ユーザの関与するコーディング環境,包括的検証機構,人間とエージェントのインタラクション品質の原則的測定など,これらの次元を推し進めるための具体的な研究方針について概説する。

関連論文リスト

• EmbodiedSWE: Coding Agents for Long Horizon Dexterous Robotics [41.54412649343374]
  本研究は, ロボット工学の長期化を図り, 汎用的なロボットポリシーを学習するための拡張性のある監視を行うことができるかどうかを問うものである。 EMBODIEDSWE-BENCHは、コンタクトリッチな操作、変形可能なオブジェクト、長距離タスクにまたがる符号化エージェントのシミュレーションベンチマークである。 符号化エージェント生成シミュレーションにのみ焦点を絞ったVLAが,実ロボットの長時間作業を完成させることを示す。
  論文  参考訳（メタデータ） (2026-09-23T03:38:58Z)
• Completion $\neq$ Collaboration: Scaling Collaborative Effort with Agents [48.95020665909723]
  タスク完了エージェントの構築と評価から,協調エージェントの開発への移行を議論する。 エージェントのユーティリティがユーザ関与の増加とともにどのように成長するかをキャプチャするフレームワークであるコラボレーティブ・ワーク・スケーリングを紹介します。
  論文  参考訳（メタデータ） (2025-10-29T17:47:18Z)
• Exploring Human-AI Collaboration Using Mental Models of Early Adopters of Multi-Agent Generative AI Tools [4.382163871275696]
  アーリーアダプターと開発者がマルチエージェントGen AIツールをどのように概念化するかを検討した。 私たちは、Microsoftで働く13人の開発者、すべてマルチエージェントのGen AI技術のアーリーアダプターと半構造化インタビューを行いました。 エラーの伝播、予測不可能で非生産的なエージェントループの挙動、層状透明性の問題を軽減するための明確なコミュニケーションの必要性など、重要な課題を特定した。
  論文  参考訳（メタデータ） (2025-09-10T05:35:38Z)
• AI Agentic Programming: A Survey of Techniques, Challenges, and Opportunities [8.086360127362815]
  大規模言語モデル(LLM)ベースのコーディングエージェントは、コンパイラ、デバッガ、バージョン管理システムなどのツールを自律的に計画し、実行し、操作する。 従来のコード生成とは異なり、これらのエージェントは目標を分解し、多段階プロセスをコーディネートし、フィードバックに基づいて適応し、ソフトウェア開発のプラクティスを再構築する。
  論文  参考訳（メタデータ） (2025-08-15T00:14:31Z)
• Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
  本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。 我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。 結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
  論文  参考訳（メタデータ） (2025-07-10T20:12:54Z)
• Watch-And-Help: A Challenge for Social Perception and Human-AI Collaboration [116.28433607265573]
  我々は、AIエージェントでソーシャルインテリジェンスをテストするための課題であるWatch-And-Help(WAH)を紹介する。 WAHでは、AIエージェントは、人間のようなエージェントが複雑な家庭用タスクを効率的に実行するのを助ける必要がある。 マルチエージェントの家庭環境であるVirtualHome-Socialを構築し、計画と学習ベースのベースラインを含むベンチマークを提供する。
  論文  参考訳（メタデータ） (2020-10-19T21:48:31Z)

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。