論文の概要: ReqEvolve: User-Oriented Software Self-Evolution through Automatic Requirement Interpretation
- arxiv url: http://arxiv.org/abs/2609.10590v1
- Date: Sun, 06 Sep 2026 18:04:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 23:53:35.071875
- Title: ReqEvolve: User-Oriented Software Self-Evolution through Automatic Requirement Interpretation
- Title（参考訳）: ReqEvolve: 自動要求解釈によるユーザ指向のソフトウェア自己進化
- Abstract要約: 本稿では、ユーザ主導の自己進化を可能にするランタイムコード生成システムであるReqEvolveを紹介する。
我々は18プロジェクトにわたる72のソフトウェア進化事例についてReqEvolveを評価した。
- 参考スコア（独自算出の注目度）: 0.9545634257240071
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The paradigm of software self-evolution enables systems to autonomously extend and reconfigure their own capabilities during execution in response to technical specifications. Yet requests for new functionality often originate from end users and are rarely expressed in technical terms. As a result, developers must translate user needs into technical specifications before the system can evolve, delaying early validation of the requested functionality by preventing users from immediately observing the resulting behaviour. To address this gap, we present ReqEvolve, a runtime code generation system that enables user-driven self-evolution by accepting high-level user requests. The system integrates automatic requirements engineering (RE) and test-driven development (TDD) to transform these requests into executable functionality through clarification, specification decomposition, test generation, and runtime integration. We evaluate ReqEvolve on 72 software evolution cases across 18 projects against two baselines: SpecFix, an RE-focused code generation approach, and an ablation variant of our system. ReqEvolve achieves 89.2% Pass@1, outperforming SpecFix by 18.8% (p < 0.01, r = 0.79, large effect) and the ablation baseline by 32.6% (p < 0.001, r = 0.88, large effect). These results provide initial evidence that user-driven self-evolution is a viable paradigm for autonomously extending software capabilities from user requests, thereby accelerating requirements validation prior to developer verification.
- Abstract（参考訳）: ソフトウェア自己進化のパラダイムにより、システムは技術的仕様に従って実行中に自律的に自身の能力を拡張および再構成することができる。
しかし、新しい機能の要求はエンドユーザから発生することが多く、技術的な用語で表現されることはめったにない。
結果として、開発者はシステムが進化する前にユーザーニーズを技術的仕様に翻訳し、ユーザが結果の振る舞いをすぐに観察することを防いで、要求された機能の早期検証を遅らせる必要がある。
このギャップに対処するため,高レベルのユーザ要求を受け入れることで,ユーザ主導の自己進化を可能にするランタイムコード生成システムであるReqEvolveを提案する。
このシステムは自動要件エンジニアリング(RE)とテスト駆動開発(TDD)を統合し、明確化、仕様の分解、テスト生成、実行時統合を通じてこれらの要求を実行可能な機能に変換する。
我々は、ReqEvolveを18プロジェクトにわたる72のソフトウェア進化事例に対して、2つのベースラインに対して評価する: SpecFix、RE中心のコード生成アプローチ、システムのアブレーション変種。
ReqEvolveは89.2%のPass@1を達成し、SpecFixを18.8%(p < 0.01, r = 0.79, 大効果)、アブレーションベースラインを32.6%(p < 0.001, r = 0.88, 大効果)上回る。
これらの結果は、ユーザ主導の自己進化が、ユーザ要求からソフトウェア機能を自律的に拡張するための、実行可能なパラダイムである、という最初の証拠を提供する。
関連論文リスト
- Teaching LLMs to Self-Evolve: Cultivating Core Meta-Skills with Reinforcement Learning [51.17262419591891]
AlphaEvolveが示すように、環境フィードバックによる反復的自己進化によるテスト時間のスケーリングは、顕著なパフォーマンス向上を示している。
本稿では,データ合成パイプライン,進化対応強化学習,推論時進化探索によるメタスキル開発を目的としたMetaEvolveを提案する。
論文 参考訳（メタデータ） (2026-07-24T04:35:29Z) - Verifiable Self-Evolution for Open-Ended Dialogue Skills via Future-Feedback Prediction [1.5383510899449275]
Future-feedbackスキルの進化は、現在の回答を規定する自己進化から、観察された回答が肯定的または否定的な後続のユーザー信号につながるかどうかを予測することへの転換である。
プロプライエタリなプライバシ保護型セールスアシストデータセットでは、注意深い品質フィルタリングと、バランスのとれた解決/未解決の分割によって、75%以上の予測精度が得られます。
論文 参考訳（メタデータ） (2026-07-21T11:06:25Z) - 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) - INFUSER: Influence-Guided Self-Evolution Improves Reasoning [54.101135873140066]
2つの共進化的役割を持つ反復的協調学習フレームワークを導入する。
解答器は、生成元が提供する回答に対して標準正当性報酬で訓練される。
8B INF共進化ジェネレータは、数学とコーディングにおいて凍った32B思考ジェネレータより優れている。
論文 参考訳（メタデータ） (2026-06-08T05:40:36Z) - EvolveMem:Self-Evolving Memory Architecture via AutoResearch for LLM Agents [80.59925936278162]
本稿では,自己進化型メモリアーキテクチャであるEvolveMemについて述べる。
このクローズループの自己進化はAutoResearchプロセスを実現している。システムは自力で独自のアーキテクチャ上で反復的な研究サイクルを実行し、手動構成のチューニングを置き換える。
論文 参考訳（メタデータ） (2026-05-13T17:12:44Z) - Self-EvolveRec: Self-Evolving Recommender Systems with LLM-based Directional Feedback [21.326241484461587]
Self-EvolveRecは、方向性フィードバックループを確立する新しいフレームワークである。
推奨性能とユーザ満足度の両方において、最先端のNASとLLM駆動のコード進化ベースラインを大幅に上回る。
論文 参考訳（メタデータ） (2026-02-13T04:38:32Z) - Software Self-Extension with SelfEvolve: an Agentic Architecture for Runtime Code Generation [0.8493314424950597]
本稿では,実行時の自己拡張を可能にするエージェントパイプラインアーキテクチャであるSelfEvolveを紹介する。
自己拡張(Self-extension)は、ユーザ要求に基づいて、新たな関数の自動生成と統合に焦点を当てる。
この研究は、自律的なコード生成によるランタイム機能拡張の実現可能性を示している。
論文 参考訳（メタデータ） (2026-02-06T11:43:31Z) - OneRec-V2 Technical Report [93.91714323473678]
OneRecは、自己回帰生成タスクとしてレコメンデーションを再構築し、高いモデルFLOPの利用を達成する。
Lazy Decoder-Only Architecture: エンコーダボトルネックを排除し、全体の計算を94%削減し、トレーニングリソースを90%削減する。
現実のユーザインタラクションによる優先度調整: ユーザの好みに合うように、継続意識のリワードシェイピングとアダプティブ比クリッピングを組み込む。
論文 参考訳（メタデータ） (2025-08-28T15:29:51Z) - ReqBrain: Task-Specific Instruction Tuning of LLMs for AI-Assisted Requirements Generation [4.475603469482274]
ソフトウェアエンジニアはチャットベースのセッションを通じてReqBrainと関わり、ソフトウェア要件を自動的に生成できる。
最高性能のZephyr-7b-betaは、BERTスコアとFRUGALスコアを使用して89.30%のFlを達成した。
論文 参考訳（メタデータ） (2025-05-23T08:45:46Z) - REACCEPT: Automated Co-evolution of Production and Test Code Based on Dynamic Validation and Large Language Models [7.893823144743425]
PT自動共進化のための既存の方法は、事前に定義されたルールを利用するか、機械学習技術のシンプルな応用に依存する。
大規模言語モデルと動的検証を利用してPT共進化を完全に自動化する新しい手法であるREACCEPTを提案する。
ReACCEPTの更新精度は60.16%に達し、最先端の技術であるCEPROTを90%上回った。
論文 参考訳（メタデータ） (2024-11-17T10:26:25Z) - Lingma SWE-GPT: An Open Development-Process-Centric Language Model for Automated Software Improvement [62.94719119451089]
Lingma SWE-GPTシリーズは、現実世界のコード提出活動から学び、シミュレーションする。
Lingma SWE-GPT 72BはGitHubの30.20%の問題を解決する。
論文 参考訳（メタデータ） (2024-11-01T14:27:16Z)
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。