論文の概要: Model-Based Agentic Software Engineering
- arxiv url: http://arxiv.org/abs/2608.25174v1
- Date: Tue, 25 Aug 2026 21:43:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.452552
- Title: Model-Based Agentic Software Engineering
- Title（参考訳）: モデルに基づくエージェントソフトウェア工学
- Abstract要約: コーディングエージェントは、プロジェクトの意図、システム構造、あるいは受け入れ証拠を明確化せずに、実装能力を高める。
モデルベースエージェントソフトウェア工学(MAGE)について紹介する。
MAGEは、コモディティインテリジェンスから信頼できる自律性を構築するためのフレームワークであり、理論である。
- 参考スコア（独自算出の注目度）: 6.7121681028919475
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Coding agents increase implementation capacity without automatically making project intent, system structure, or acceptance evidence explicit. As implementation becomes abundant relative to engineering judgment, the scarce work shifts toward choosing useful abstractions, producing evidence, and determining which obligations govern acceptance. Existing workflows address parts of this gap through larger prompts, repository retrieval, or perchange review, but still require agents and engineers to reconstruct consequential properties. As an alternative, we present Model-Based Agentic Software Engineering (MAGE). MAGE is a framework and a theory for building trustworthy autonomy from commodity intelligence. MAGE addresses a representation problem and an authority problem: it externalizes the smallest purposeful representation needed to answer an engineering question, then gives settled obligations proportionate authority through constraints, sensors, validators, and gates. It keeps uncertain intent open and turns recurring reconstruction and judgment into durable engineering structure that later work can inherit. We developed MAGE from a longitudinal case and refined it through six independently reported industrial accounts. Across these sources, MAGE explains how externalized knowledge, bounded action, independent evaluation, and retained human authority can compose into a governed engineering environment, and proposes tests of when that environment turns commodity intelligence into durable engineering progress.
- Abstract（参考訳）: コーディングエージェントは、プロジェクトの意図、システム構造、あるいは受け入れ証拠を明確化せずに、実装能力を高める。
工学的な判断に対して実装が豊富になるにつれて、少ない作業は有用な抽象化の選択、証拠の生成、どの義務が受け入れられるかの決定へとシフトする。
既存のワークフローは、より大きなプロンプトやリポジトリの検索、パーチェンジレビューを通じて、このギャップの一部に対処するが、それでもエージェントやエンジニアは、関連するプロパティを再構築する必要がある。
代替として、モデルベースエージェントソフトウェアエンジニアリング(MAGE)を紹介します。
MAGEは、コモディティインテリジェンスから信頼できる自律性を構築するためのフレームワークであり、理論である。
MAGEは、工学的な問題に答えるために必要な最小限の目的表現を外部化し、制約、センサー、バリデータ、ゲートを通じて権威に比例する決定的な義務を与える。
不確実な意図を維持し、再設計と判断を繰り返して、後の作業が受け継がせる耐久性のあるエンジニアリング構造に転換する。
我々は,縦型症例からMAGEを開発し,独立に報告された6つの産業会計を精査した。
これらのソース全体にわたって、MAGEは、外部化された知識、限定された行動、独立した評価、保持された人間の権威が、支配されたエンジニアリング環境にどのように構成できるかを説明し、その環境がコモディティインテリジェンスを耐久性のあるエンジニアリングの進歩に変換するときのテストを提案する。
関連論文リスト
- Graph Engineering in the Era of LLM Agents: From Individual Intelligence to System Intelligence [115.91847478507736]
LLMは言語ジェネレータから、複雑な長距離タスクが可能な自律エージェントへと進化してきた。
多くのタスクにはヘテロジニアスな専門知識、相互依存サブタスク、並列実行、独立検証、永続状態が必要である。
私たちはこれをシステムインテリジェンス(System Intelligence)と呼び、複数のインテリジェントなコンポーネントを一貫した適応的な全体へと整理し、コーディネートするエージェントシステムの能力である。
論文 参考訳（メタデータ） (2026-08-21T14:27:57Z) - 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) - From Determinism to Delegation: AI-Native Software Engineering and the Evolution of the Agentic Engineer [0.0]
ソフトウェアエンジニアリングは、ハイレベルなプログラミング言語の出現以来、最も重要な変革を経験しています。
本稿では、AI-Native Software Engineeringは単なるツールの進歩というよりもパラダイムシフトである、と論じる。
我々は、推論実行ループ、コンテキストエンジニアリング、ツール使用、メモリ、行動ドリフト、構成誤差を含む自律エージェントの中核メカニズムを定義する。
論文 参考訳（メタデータ） (2026-06-27T07:43:43Z) - AgentX: Towards Agent-Driven Self-Iteration of Industrial Recommender Systems [82.01232437066487]
AgentXはプロダクションデプロイされたマルチエージェントシステムで、このプロダクション機能を再構築する。
自律的に生成し、実装し、評価し、レコメンデーション実験から学ぶ。
AgentXは4つの密結合したステージをクローズドループでオーケストレーションする。
論文 参考訳（メタデータ） (2026-06-25T10:42:28Z) - From Question Answering to Task Completion: A Survey on Agent System and Harness Design [67.8241530947325]
本研究はモデルハーネスレンズを用いてLCMをベースとしたエージェントについて検討する。
まず, LLMをベースとしたエージェントを基礎モデルと実行ハーネスとして, エージェントの機能的定義と実装の視点を明らかにする。
次に、モデル中心のスケーリングの限界を分析し、エージェントエンジニアリングの4つのパラダイムをトレースし、実行ハーネスを6つの結合ランタイム責任に分解する。
論文 参考訳（メタデータ） (2026-06-14T05:40:16Z) - AI Harness Engineering: A Runtime Substrate for Foundation-Model Software Agents [1.4323566945483497]
ファンデーションモデルは、自動コード生成を変革しましたが、現実的な開発環境では、自律的なソフトウェアエンジニアリングエージェントは信頼できないままです。
本稿では,基盤モデルエージェントがプロジェクトを観察し,それを処理し,フィードバックを受信し,変更が完了したことを確定する,モデルハーネス環境システムを提案する。
このフレームワークは、ファンデーションモデルがパッチを作成できるかどうかから、モデルハーネス環境システムが検証可能な正確さ、属性、メンテナンス可能な変更を生成できるかどうかという、自律的なソフトウェアエンジニアリングの中心的な疑問を再考する。
論文 参考訳（メタデータ） (2026-05-13T11:14:59Z) - Externalization in LLM Agents: A Unified Review of Memory, Skills, Protocols and Harness Engineering [55.93186934265401]
大規模言語モデル(LLM)エージェントは、その周辺のランタイムを再編成するよりも、モデルウェイトを変更することによって構築されるものが少なくなる。
本稿では、外部化のレンズを通してのシフトをレビューする。
エージェントインフラストラクチャは、補助的なコンポーネントを追加するだけでなく、ハード認知の負担をモデルがより確実に解決できる形式に変換するからである、と我々は主張する。
論文 参考訳（メタデータ） (2026-04-09T13:19:41Z) - Agentic Problem Frames: A Systematic Approach to Engineering Reliable Domain Agents [0.0]
大きな言語モデル(LLM)は、自律的なエージェントへと進化していますが、現在の"フレームワークレス"な開発は、あいまいな自然言語に基づいています。
本研究では,内部モデルインテリジェンスからエージェントと環境間の構造的相互作用に焦点を移すシステム工学フレームワークであるエージェント問題フレーム(APF)を提案する。
論文 参考訳（メタデータ） (2026-02-22T06:32:32Z) - EmboCoach-Bench: Benchmarking AI Agents on Developing Embodied Robots [68.29056647487519]
Embodied AIは、高忠実度シミュレーションと大規模データ収集によって実現されている。
しかし、このスケーリング能力は、労働集約的な手作業の監視に依存しているため、いまだにボトルネックになっている。
実装ポリシーを自律的に構築するための LLM エージェントの能力を評価するベンチマークである textscEmboCoach-Bench を紹介する。
論文 参考訳（メタデータ） (2026-01-29T11:33:49Z) - ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。
オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。
我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
論文 参考訳（メタデータ） (2026-01-16T08:23:52Z) - Everything is Context: Agentic File System Abstraction for Context Engineering [11.63011212134865]
本稿では,コンテキスト工学のためのファイルシステム抽象化を提案する。
この抽象化は、異種コンテキストアーティファクトを管理するための永続的で管理されたインフラストラクチャを提供する。
GenAIが意思決定支援の活発な協力者となるにつれ、人間はキュレーター、検証者、共犯者としての中心的な役割を担っている。
論文 参考訳（メタデータ） (2025-12-05T06:56:45Z)
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。