論文の概要: ParallelPilot: Supporting Coordination and Monitoring in Parallel AI Coding
- arxiv url: http://arxiv.org/abs/2609.33113v1
- Date: Sun, 27 Sep 2026 02:35:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-06 10:21:00.259947
- Title: ParallelPilot: Supporting Coordination and Monitoring in Parallel AI Coding
- Title（参考訳）: ParallelPilot: 並列AIコーディングにおけるコーディネーションとモニタリングのサポート
- Abstract要約: 提案するParallelPilotは,PILOTを設計インターフェース,ランログ,環境ダッシュボードを通じて,既存のコーディングツールとともにインスタンス化する設計プローブである。
ParallelPilotを使用する参加者は、短いコーディングタスクでチケットのスループットを63%向上させた。
- 参考スコア（独自算出の注目度）: 10.86670980191189
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As coding assistants become increasingly autonomous, developers run multiple sessions in parallel, shifting the challenge from code generation alone to coordinating and monitoring concurrent agent work. Through a formative study (N=14), we identified PILOT: five supervisory practices for Planning, Isolating, Logging, Observing, and Triaging parallel sessions. We present ParallelPilot, a design probe that instantiates PILOT through a planning interface, a run-logger, and an ambient dashboard alongside existing coding tools. In a counterbalanced within-subjects study (N=16), participants using ParallelPilot increased ticket throughput by 63% in short coding tasks and supervised an average of one more concurrent agent at peak, while their tracking effort and context switching dropped. ParallelPilot also clarified execution plans, task dependencies, and intervention cues, and 14 of 16 participants preferred it over their current setup. These gains were not accompanied by significant improvements in perceived control or perceived success in redirecting the agents. Our findings demonstrate the value of explicit supervision support and position PILOT as a scaffold for designing tools that help people supervise concurrent work within and beyond coding. We suggest that future coding assistants should pair high-level awareness with low-cost paths back to the implementation evidence developers need to judge and steer agent work.
- Abstract（参考訳）: コーディングアシスタントがますます自律化するにつれて、開発者は複数のセッションを並行して実行し、コード生成のみから並行エージェント作業のコーディネートと監視へとチャレンジをシフトさせる。
フォーマティブスタディ(N=14)を通じて,計画,アイソレーション,ログング,オブザーバリング,トリアージ並列セッションの5つのスーパーバイザリプラクティスであるPILOTを特定した。
提案するParallelPilotは,PILOTを設計インターフェース,ランログ,環境ダッシュボードを通じて,既存のコーディングツールとともにインスタンス化する設計プローブである。
また,ParallelPilotを使用すれば,短時間のコーディング作業でチケットのスループットが63%向上し,ピーク時には1つの並行エージェントの平均が監督され,追跡作業とコンテキスト切り替えが減少した。
ParallelPilotはまた、実行計画、タスク依存性、介入手順を明確にし、現在の設定よりも16人中14人がそれを好んだ。
これらの利得は、コントロールに対する認識の大幅な改善やエージェントのリダイレクトの成功を伴わない。
本研究は,PILOTをコーディング内外における同時作業の監督を支援するツール設計の足場として,明示的な監督支援と位置づけの価値を実証するものである。
将来のコーディングアシスタントは、開発者がエージェントの作業を判断し、管理する必要がある実装証拠に遡って、低コストのパスでハイレベルな認識を組み合わせるべきである。
関連論文リスト
- When Review Alone No Longer Scales: Layered Supervision in AI-Assisted Software Engineering [0.6445605125467574]
AI支援の開発ツールにより、ソフトウェアエンジニアは従来のものよりもはるかに高速で実装を生成できる。
高スループットのAIアシスト生成は、コードレビュー、リンティング、テスト、CI/CDパイプラインなどのスタンディングコントロールメカニズムのプレッシャーを増加させる。
高スループットのAI支援ジェネレーションは、組織が開発を監督する方法を再認識するが、既存のガードレールの対応方法についてはあまり知られていない。
論文 参考訳（メタデータ） (2026-08-26T18:48:47Z) - AgentForge: An Immersive Role-Playing Platform for Learning Agentic Software Engineering [4.609790123179083]
textitAgentForgeは、初心者が4つのソフトウェアエンジニアリングの役割のうちの1つを担う没入型学習システムである。
各練習セッションでは、初心者が選択した役割を演じ、AIエージェントが残りの3つを実行する。
37人の初心者開発者を対象にした調査では、AIエージェントのサポートで高いタスク補完率を達成した。
論文 参考訳（メタデータ） (2026-08-04T18:58:18Z) - OrchBench: Evaluating Multi-Agent Orchestration Plans in Isolation via Deterministic Simulation [41.885817564161975]
シミュレーションに基づくマルチエージェントオーケストレーション計画評価ベンチマークであるOrchBenchについて述べる。
決定論的シミュレータは、労働者エージェントを呼び出すことなく、結果の計画を評価し、結果の質、メースパン、トークンコストの解釈可能な尺度を返す。
多様なプランナーやワークフローの規模で見ると、単にエージェントの数を増やすよりも、タスククリティカルな情報を保存することが重要であることが分かります。
論文 参考訳（メタデータ） (2026-07-28T12:43:34Z) - When Parallelism Pays Off: Cohesion-Aware Task Partitioning for Multi-Agent Coding [19.03671411536556]
マルチエージェント大規模言語モデル(LLM)システムは、並列化やコンテキスト分離を通じて、コーディングのような複雑なタスクを分解する方法を提供する。
我々は,マルチエージェントオーケストレーションをグラフ分割問題として定式化し,通信対計算のトレードオフを捉える。
静的解析から依存性グラフを構築し,構造的ハブファイルを分離し,コミュニティ検出を通じてグラフを分割し,依存関係対応スケジューラで分割を実行するCohesion-aware Coder(Co-Coder)を提案する。
論文 参考訳（メタデータ） (2026-05-31T02:10:12Z) - Code as Agent Harness [107.31925305395957]
新興のエージェントシステムでは、コードはもはや単なる目標出力ではない。
コードはエージェントの推論、行動、環境モデリング、実行ベースの検証のための運用上の基盤としてますます役立っている。
この調査は、実行可能、検証可能、ステートフルなAIエージェントシステムに向けた統一されたロードマップを提供する。
論文 参考訳（メタデータ） (2026-05-18T17:59:03Z) - Small Model as Master Orchestrator: Learning Unified Agent-Tool Orchestration with Parallel Subtask Decomposition [61.291733522717415]
Agent-as-Toolは並列オーケストレーションのパラダイムであり、エージェントとツールの両方を標準化された学習可能なアクション空間に緩和する。
ParaManagerは、サブタスク解決から計画決定を分離し、ステート対応の並列サブタスク分解、デリゲート、非同期実行を可能にする。
実験により、ParaManagerは複数のベンチマークで高い性能を示し、目に見えないモデルプールの下で堅牢な一般化を示す。
論文 参考訳（メタデータ） (2026-04-18T14:41:27Z) - LongCLI-Bench: A Preliminary Benchmark and Study for Long-horizon Agentic Programming in Command-Line Interfaces [65.11019654023978]
LongCLI-Benchは、長期にわたる現実的なタスクにまたがるエージェント能力を評価するために設計されたベンチマークである。
私たちは、1000以上のコンピュータサイエンスの課題と現実世界のタスクから、20の高品質で長い水平タスクをキュレートしました。
実験によると、最先端のエージェントでさえLongCLI-Benchの20%未満のパスレートを達成する。
論文 参考訳（メタデータ） (2026-02-15T23:12:57Z) - Learning to Share: Selective Memory for Efficient Parallel Agentic Systems [49.78267008828593]
エージェントシステムは、反復的に推論する複数のエージェントを調整することで複雑なタスクを解決し、ツールを呼び出し、中間結果を交換する。
最近のアプローチでは、さまざまな推論の軌跡を探索するために、複数のエージェントチームが並行して運用されている。
我々は並列エージェントフレームワークのための学習された共有メモリ機構であるLearning to Share (LTS)を提案する。
論文 参考訳（メタデータ） (2026-02-05T18:20:21Z) - ParaCook: On Time-Efficient Planning for Multi-Agent Systems [62.471032881396496]
大規模言語モデル(LLM)は、長期の現実世界のタスクを計画するための強力な推論能力を示す。
時間効率の協調計画のためのベンチマークであるParaCookを紹介する。
論文 参考訳（メタデータ） (2025-10-13T16:47:07Z) - 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)
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。