論文の概要: The Prompt Triangle: A Registered Report on Prompts as Hybrid Artifacts

• arxiv url: http://arxiv.org/abs/2609.04209v1
• Date: Thu, 11 Jun 2026 05:52:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 05:09:55.457134
• Title: The Prompt Triangle: A Registered Report on Prompts as Hybrid Artifacts
• Title（参考訳）: Prompt Triangle: Promptsをハイブリッドアーティファクトとして登録したレポート
• Abstract要約: 私たちは、要求意図とソリューションガイダンスを組み合わせた混合アーティファクトとして、事前の作業フレーミングプロンプトを構築します。 本登録報告では、プロンプトの進化を調査する検証研究のステージ1プロトコルを提示する。 我々は、制御された実験(n=30)、コミュニティアップロード、デュアルコードを用いたマイニングデータを用いて、パターンのプロンプトが開発成功を予測するかどうかをテストする。
• 参考スコア（独自算出の注目度）: 3.6821798169139366
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AI-based coding assistants are transforming software development by shifting effort from writing code to crafting prompts that guide code generation. Despite their growing importance, little empirical evidence exists on how prompts function as software engineering artifacts. Building on prior work framing prompts as mixed artifacts combining requirement intent and solution guidance, we build on the Prompt Triangle, a conceptual model describing prompts along three components: Functionality and Quality (requirements), General Solutions (architectural guidance), and Specific Solutions (implementation constraints). This registered report presents the Stage 1 protocol for a confirmatory study investigating how prompts evolve and how their alignment with requirements engineering (RE) activities predicts development outcomes. We preregister four hypotheses examining prompt evolution, developer characteristics, RE activity alignment, and temporal patterns. We employ a controlled experiment (n=30), community uploads, and mined data using dual-coding to test whether prompting patterns predict development success.
• Abstract（参考訳）: AIベースのコーディングアシスタントは、コードの記述からコード生成をガイドするクラフトプロンプトへの移行によって、ソフトウェア開発を変革している。 その重要性は増しているが、ソフトウェア工学の成果物としてプロンプトがどのように機能するかについての実証的な証拠はほとんどない。 要求意図とソリューションガイダンスを組み合わせた混合アーティファクトとして、事前の作業フレーミングプロンプトに基づいて、機能性と品質(要求)、一般ソリューション(アーキテクチャガイダンス)、具体的ソリューション(実装制約)という3つのコンポーネントに沿ってプロンプトを記述する概念モデルを構築します。 本登録報告では,要求工学(RE)活動との連携が開発成果をどう予測するかを検証した確認研究のステージ1プロトコルを提示する。 我々は,迅速な進化,開発特性,REアクティビティアライメント,時間パターンの4つの仮説を事前登録する。 我々は、制御された実験(n=30)、コミュニティアップロード、デュアルコードを用いたマイニングデータを用いて、パターンのプロンプトが開発成功を予測するかどうかをテストする。

関連論文リスト

• Agents for Experiments, Experiments for Agents: A Design Grammar for AI-Enabled Experimental Science [4.184220050732621]
  AIシステムは、人間と対話し、協調し、マルチエージェントアレンジメントで操作するようになっている。 エージェントがこれらの配置を研究するためには実験が必要であり、可能な設計の空間拡大を探索するためには、エージェントが実験を行う必要があるかもしれない。 しかし、人間-AIとエージェントの実験的条件は依然として散文で規定されており、比較、再利用、監査が困難である。
  論文  参考訳（メタデータ） (2026-05-18T01:59:21Z)
• Mise en Place for Agentic Coding: Deliberate Preparation as Context Engineering Methodology [0.0]
  AIコーディングエージェントの急速な採用は、意図的な準備よりも実装のスピードを優先する、支配的なワークフローパターンを生み出した。 本稿では,エージェントコーディングのための3段階準備手法を提案する。 競合ハッカソンにおけるMEPの適用について報告し,約2時間の準備により,同時AIエージェントによるフルスタック教育プラットフォームの迅速な実装が可能となった。
  論文  参考訳（メタデータ） (2026-05-06T19:33:08Z)
• Prompts Blend Requirements and Solutions: From Intent to Implementation [3.6821798169139366]
  我々は、要求とソリューションガイダンスを混ぜ合わせた軽量で進化する要求アーティファクトとして、プロンプトを理解するべきだと論じている。 我々のビジョンは、現実世界のAI支援開発の分析を通じて、これらの仮説を実証的に評価することである。
  論文  参考訳（メタデータ） (2026-03-17T10:31:44Z)
• Qwen3-Coder-Next Technical Report [67.90974638938285]
  コーディングエージェントに特化したオープンウェイト言語モデルQwen3-Coder-Nextを提案する。 Qwen3-Coder-Nextは推論中に30億のパラメータしか起動せず、効率的な推論で強力なコーディング機能を実現する。
  論文  参考訳（メタデータ） (2026-02-28T16:25:04Z)
• Guidelines to Prompt Large Language Models for Code Generation: An Empirical Characterization [82.29178197694819]
  我々は、開発固有のプロンプト最適化ガイドラインを導出し、評価する。 コード生成プロンプトを自動的に洗練するために、反復的でテスト駆動のアプローチを使用します。 我々は50人の実践者と評価を行い,提案した即興改善パターンの使用状況について報告する。
  論文  参考訳（メタデータ） (2026-01-19T15:01:42Z)
• BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
  BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。 提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
  論文  参考訳（メタデータ） (2025-11-26T06:39:19Z)
• What's in a Proof? Analyzing Expert Proof-Writing Processes in F* and Verus [2.8003002159083237]
  我々は,2つの言語で作業する8人の専門家から,詳細なソースコードテレメトリの収集と解析を行うユーザスタディを実施している。 その結果、専門家が証明開発プロセスで遭遇した重要な課題や証明についてどのように考えるかについて興味深い傾向とパターンが明らかになった。 我々はこれらの知見を,AI証明アシスタントのための具体的な設計指針に翻訳する。
  論文  参考訳（メタデータ） (2025-08-01T22:16:30Z)
• The Impact of Prompt Programming on Function-Level Code Generation [3.072802875195726]
  大規模言語モデル(LLM)は、コード生成にソフトウェアエンジニアによってますます利用されている。 この研究では,5つのプロンプトテクニックを評価するために設計された7072プロンプトのデータセットであるCodePromptEvalを紹介した。 その結果,特定のプロンプト手法が生成したコードに顕著に影響を及ぼすが,複数の手法を組み合わせることで必ずしも結果が向上するとは限らないことがわかった。
  論文  参考訳（メタデータ） (2024-12-29T18:34:10Z)
• Informative Text Generation from Knowledge Triples [56.939571343797304]
  本稿では,トレーニング中に学習した有用な知識を記憶するために,メモリネットワークを利用した新しいメモリ拡張ジェネレータを提案する。 我々は、新しい設定のためのWebNLGからデータセットを導き、我々のモデルの有効性を調べるための広範な実験を行う。
  論文  参考訳（メタデータ） (2022-09-26T14:35:57Z)
• CINS: Comprehensive Instruction for Few-shot Learning in Task-oriented Dialog Systems [56.302581679816775]
  本稿では,タスク固有の命令でPLMを利用する包括的インストラクション(CINS)を提案する。 命令のスキーマ(定義、制約、プロンプト)と、ToDの3つの重要な下流タスクに対するカスタマイズされた実現を設計する。 これらのToDタスクに対して,小さな検証データを用いた現実的な数ショット学習シナリオで実験を行った。
  論文  参考訳（メタデータ） (2021-09-10T03:23:06Z)

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。