論文の概要: GADR: Gathering Architecture Decision Records from Meeting Transcriptions
- arxiv url: http://arxiv.org/abs/2608.17694v1
- Date: Tue, 18 Aug 2026 12:11:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.331357
- Title: GADR: Gathering Architecture Decision Records from Meeting Transcriptions
- Title（参考訳）: GADR:会議記録からアーキテクチャ決定を収集する
- Abstract要約: 本稿では,複数エージェントによる自己修正ワークフローであるGADRについて,生のミーティングの書き起こしからアーキテクチャ決定を抽出し,Nygard形式のADRドラフトを生成する。
5つの実際のプロジェクトミーティングの書き起こし、4人のシニアアーキテクトによる専門家のレビュー、および15人の学生による評価からなるフィージビリティスタディは、エージェントワークフローが専門家が特定したほとんどの決定を捉えているという最初の証拠を提供する。
この研究は、RAGベースのエンリッチメントによるADR深度の改善と、書き起こし不信な内容のリスクの未解決なトレードオフにも対処している。
- 参考スコア（独自算出の注目度）: 6.254624232861127
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing LLM-based approaches to Architecture Decision Record (ADR) generation share a critical and largely unexamined assumption: that input is already reasonably structured. In practice, architectural decisions emerge from informal, noisy meetings where choices are implicit, fragmented, and entangled with off-topic dialogue, precisely the conditions under which single-pass prompting degrades. This paper presents GADR, a multi-agent, self-correcting workflow that extracts architectural decisions from raw meeting transcriptions and generates Nygard-formatted ADR drafts. A feasibility study comprising five real project meeting transcripts, expert review by four senior architects, and evaluation by fifteen students provides initial evidence that the agentic workflow captures most expert-identified decisions and produces drafts participants found clear and useful, outperforming zero-shot and few-shot baselines in stability and structural adherence. The study also addresses the underexplored trade-off of RAG-based enrichment improving ADR depth while simultaneously risking transcript-unfaithful content, raising open questions about traceability in automated architectural documentation that we believe is worth the community's attention.
- Abstract（参考訳）: 既存のLCMベースのアーキテクチャ決定記録(ADR)生成アプローチは、入力がすでに合理的に構造化されているという、決定的かつほとんど検討されていない前提を共有している。
実際には、アーキテクチャ上の決定は、選択が暗黙的、断片化され、対極外の対話と絡み合った、ノイズの多い非公式なミーティングから生じます。
本稿では,複数エージェントによる自己修正ワークフローであるGADRについて,生のミーティングの書き起こしからアーキテクチャ決定を抽出し,Nygard形式のADRドラフトを生成する。
5つの実際のプロジェクトミーティングの書き起こし、4人のシニアアーキテクトによる専門家によるレビュー、および15人の学生による評価からなるフィージビリティスタディは、エージェント的ワークフローが専門家が特定したほとんどの決定を捕捉し、参加者が明確で有用な草案を作成し、安定性と構造的整合性においてゼロショットと少数ショットのベースラインを上回っているという最初の証拠を提供する。
調査はまた、RAGベースのエンリッチメントがADRの深度を向上し、同時に書き起こし不信なコンテンツのリスクを冒し、私たちがコミュニティの注意に値すると考える自動化されたアーキテクチャ文書のトレーサビリティに関するオープンな疑問を提起する。
関連論文リスト
- A Text Mining and Classification Approach for Analyzing Architecture Decision Records [0.45880283710344066]
本稿では,大規模アーキテクチャ決定レコードを解析するための自動テキストマイニングと分類手法を提案する。
本分析では,ADRがMADRテンプレートに適合する程度,意思決定特性と品質特性について検討する。
以上の結果から, ADRは存在, 技術, プロセスに関連する意思決定を頻繁に捉えるが, 代替案, 意思決定ドライバ, 品質上の懸念は未文書のままである。
論文 参考訳（メタデータ） (2026-09-07T11:52:20Z) - Deep Academic Survey: Stateful Agentic Closed-Loop Paradigm for Academic Survey Automation [60.151050016855834]
DASは出版指向の学術調査を作成するためのステートフルなエージェント・フレームワークである。
その鍵となる考え方は、再利用可能な紙分析とトピック固有の原稿構築を分離することである。
DASは4つの次元で最高点に達し、総合スコアは4.34であり、最強の競争相手は4.03である。
論文 参考訳（メタデータ） (2026-08-18T17:29:00Z) - Extending Embodied Question Answering from Perception to Decision [43.564086466241186]
EQA(Embodied Question Answering)は、エンボディ環境における知覚、推論、相互作用を結びつける。
EQA-決定(EQA-Decision)は,4つの相補的推論を体系的に網羅した大規模エンボディドQAデータセットである。
論文 参考訳（メタデータ） (2026-05-25T13:08:20Z) - Inference-Time Scaling of Verification: Self-Evolving Deep Research Agents via Test-Time Rubric-Guided Verification [71.98473277917962]
近年のDeep Research Agents (DRA) の進歩は、自動知識発見と問題解決に変化をもたらしている。
本稿では,政策モデルのアウトプットを反復的に検証することで,エージェントの能力を自己進化させる手法を提案する。
検証の非対称性を生かしたルーブリックスに基づく結果報酬検証器であるDeepVerifierを提案する。
論文 参考訳（メタデータ） (2026-01-22T09:47:31Z) - Disco-RAG: Discourse-Aware Retrieval-Augmented Generation [81.53888908988756]
生成プロセスに談話信号を注入する談話認識フレームワークであるディスコRAGを提案する。
提案手法は,チャンク内談話木を構築し,局所階層を捕捉し,クロスパスコヒーレンスをモデル化するためのチャンク間修辞グラフを構築する。
質問応答と長期文書要約ベンチマークの実験から,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2026-01-07T20:32:50Z) - DeepSynth-Eval: Objectively Evaluating Information Consolidation in Deep Survey Writing [53.85037373860246]
本稿では,情報統合能力を客観的に評価するためのベンチマークであるDeep Synth-Evalを紹介する。
一般チェックリスト(実例)と制約チェックリスト(構造体)を用いたきめ細かい評価プロトコルを提案する。
その結果,エージェント型プラン・アンド・ライトは単ターン生成よりも大幅に優れていた。
論文 参考訳（メタデータ） (2026-01-07T03:07:52Z) - Equipping Retrieval-Augmented Large Language Models with Document Structure Awareness [15.810758425275322]
本稿では,RAGプロセス全体を通して構造情報を明示的に組み込む新しいフレームワークであるRetrieve-DocumentRoute-Read (RDR2)を提案する。
RDR2 は LLM ベースのルータを用いて文書構造木を動的にナビゲートする。
我々の重要な革新は、文書のルーティングをトレーニング可能なタスクとして定式化することであり、自動的なアクションキュレーションと、人間の読書戦略にインスパイアされた構造対応の通路選択である。
論文 参考訳（メタデータ） (2025-10-05T17:04:24Z) - A Rigorous Benchmark with Multidimensional Evaluation for Deep Research Agents: From Answers to Reports [24.09178055088843]
Deep Research Agents (DRA)は、タスク分解、クロスソース検索、多段階推論、構造化出力の能力を示す。
本稿では,DRAとレポートスタイルの応答に適した厳密なベンチマークと多次元評価フレームワークを提案する。
このフレームワークは、DRAが生成した長期レポートの総合的な評価を可能にし、セマンティックな品質、トピックの焦点、検索の信頼性のための総合的なスコアリング指標を統合する。
論文 参考訳（メタデータ） (2025-10-02T16:40:02Z) - AECBench: A Hierarchical Benchmark for Knowledge Evaluation of Large Language Models in the AEC Field [12.465017512854475]
大規模言語モデル(LLM)は、アーキテクチャ、エンジニアリング、建設(AEC)分野において採用が増えている。
本稿では,AEC領域における現在のLLMの強度と限界を定量化するベンチマークであるAECBenchを確立する。
ベンチマークでは、23の代表的なタスクを5段階の認知指向評価フレームワークで定義している。
論文 参考訳（メタデータ） (2025-09-23T08:09:58Z) - Divide-Then-Align: Honest Alignment based on the Knowledge Boundary of RAG [51.120170062795566]
本稿では,問合せが知識境界外にある場合の"I don't know"で応答する機能を備えたRAGシステムを実現するためのDTAを提案する。
DTAは適切な棄権と精度のバランスをとり、検索強化システムの信頼性と信頼性を高める。
論文 参考訳（メタデータ） (2025-05-27T08:21:21Z) - Can LLMs Generate Architectural Design Decisions? -An Exploratory
Empirical study [10.051928501109]
アーキテクチャ知識管理(AKM)の本質的な成果は、アーキテクチャ決定記録(ADR)である。
彼らの利点にもかかわらず、ADRがソフトウェア開発に採用されるのは、時間的制約や一貫性のない取り込みといった課題のために遅い。
大規模言語モデル(LLM)の最近の進歩は、ADR生成を容易にすることで、この採用ギャップを埋めるのに役立つかもしれない。
論文 参考訳（メタデータ） (2024-03-04T03:56:14Z) - REAR: A Relevance-Aware Retrieval-Augmented Framework for Open-Domain Question Answering [115.72130322143275]
REAR(Relevance-Aware Retrieval-augmented approach for open-domain Question answering, QA)
我々は,特殊な設計のアセスメントモジュールを組み込むことで,LLMベースのRAGシステムのための新しいアーキテクチャを開発する。
オープンドメインの4つのQAタスクの実験では、REARは以前の競争力のあるRAGアプローチよりも大幅に優れていた。
論文 参考訳（メタデータ） (2024-02-27T13:22:51Z)
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。