論文の概要: Engineering Requirements for Generative AI Agents: The BARD Process Theory
- arxiv url: http://arxiv.org/abs/2610.29741v1
- Date: Wed, 21 Oct 2026 13:39:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 09:50:43.252945
- Title: Engineering Requirements for Generative AI Agents: The BARD Process Theory
- Title（参考訳）: 生成AIエージェントのためのエンジニアリング要件:BARDプロセス理論
- Abstract要約: 既存の要件工学(RE)の研究は主にAIとMLベースのシステムに対処している。
実践者への36の半構造化インタビューにソシオ・テクニカル・グラウンドド・セオリーを適用した。
行動エージェント要求発見(BARD)は、要求は前もって固定されるのではなく、繰り返し発生するサイクルを通じて発見される、と定義している。
- 参考スコア（独自算出の注目度）: 13.440096267991533
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: How teams engineer requirements for systems built around Generative AI (GenAI) Agents remains empirically uncharted. Existing Requirements Engineering (RE) research mainly addresses AI and ML-based systems broadly but provides no process account for agentic systems, whose non-deterministic behavior cannot be anticipated at design time. To understand how teams actually proceed, we applied Socio-Technical Grounded Theory across 36 semi-structured interviews with practitioners, interleaving data collection and analysis so that emerging findings drove our theoretical sampling and shaped successive rounds of coding. The result is Behavioral Agent Requirement Discovery (BARD), the process theory of RE for GenAI Agents. BARD holds that requirements are not fixed up front but discovered through a recurring cycle of four activities: teams scope the need, build the agent, observe its behavior, and revise what they ask for. Through this four-phase loop, the requirement evolves from a fixed specification towards behavioral and evaluation criteria. Four tensions drive transitions between phases, and two conditions frame the loop. BARD provides researchers with a framework for iteratively refining RE workflows, while giving practitioners a structured basis to embed into their development processes.
- Abstract（参考訳）: ジェネレーティブAI(GenAI)エージェントを中心に構築されたシステムの要件を、チームがどのように設計するかは、実証的に未定のままである。
既存の要求工学(RE)研究は主にAIとMLベースのシステムに対処するが、設計時に非決定的な振る舞いを期待できないエージェントシステムのプロセス説明は提供しない。
チームが実際にどのように進むかを理解するために、36人の半構造化された実践者とのインタビュー、データ収集と分析を、ソシオ-技術的基盤理論を適用して、新たな発見が私たちの理論的なサンプリングを駆り立て、コーディングの連続的なラウンドを形作りました。
その結果、行動エージェント要求発見(BARD)は、GenAIエージェントのためのREのプロセス理論である。
BARD氏は、要件は前もって固定されているのではなく、チームが要求をスコープし、エージェントを構築し、その振る舞いを観察し、要求するものを再検討する4つのアクティビティの繰り返しサイクルを通じて見つけられる、と主張している。
この4相ループを通じて、要求は一定の仕様から行動および評価基準へと進化する。
4つのテンションは相間の遷移を駆動し、2つの条件がループをフレーム化する。
BARDは、研究者にREワークフローを反復的に洗練するためのフレームワークを提供すると同時に、実践者が開発プロセスに組み込むための構造化された基盤を提供する。
関連論文リスト
- iCoder-27B: Recursive AI-Led Development of Frontier Industrial Coding Model [89.9836668595474]
再帰的AI(Recursive AI)は、AIの構築と改善において、AIの完全な役割を担っている。
本研究では,エージェントがフロンティアモデルを開発するのにどの程度の人的関与が十分であるかを問う。
我々は,高密度で低周波なインタフェースに人間の入力を集中させ,エージェントはこれらの先行情報をインスタンス化し,実験を選択し,その結果を診断し,トレーニング戦略を改訂する。
産業コーディングの挑戦的な領域では、エージェントはデータを進化させ、SFT、オンライン自己蒸留、検証可能な報酬による強化学習を調整し、最終的に生産する。
論文 参考訳（メタデータ） (2026-08-28T15:51:26Z) - Agentic AI and Retrieval-Augmented Models in Straight-Through Underwriting [7.670757733138505]
アクチュアリーは現在、従来のルールベースの自動化から大規模言語モデルまで、幅広い設計領域に直面しています。
本稿では,これらの新しいアーキテクチャが,透明性や監査可能性,ループ内ガバナンスなど,アクチュアリな優先事項をどのようにサポートするかを検討する。
論文 参考訳（メタデータ） (2026-07-08T18:43:34Z) - Using Process Mining to Generate AI Agents from Software Engineering Process Records [1.6974371408199849]
AIエージェントをソフトウェアエンジニアリング(SE)チームに統合するという課題に対処する。
提案手法は,事前に定義されたSEロール語彙を用いて,プロジェクト固有のエージェントの役割を発見する。
概念実証として、確立されたオープンソースプロジェクトに我々のアプローチを適用しました。
論文 参考訳（メタデータ） (2026-07-06T11:22:25Z) - 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) - Deep Research as Rubric for Reinforcement Learning [35.642522713903794]
オープンエンドのルーブリックを構築するための2段階のフレームワークを提案する。
DR-rubric-8Bはフロンティアモデルなしでブートストラップ生成をサポートする。
実験によると、DR-rubricは1K -- 3Kのトレーニングインスタンスで強力な競争性能を達成する。
論文 参考訳（メタデータ） (2026-05-31T08:25:04Z) - The Agent Use of Agent Beings: Agent Cybernetics Is the Missing Science of Foundation Agents [26.511094818984763]
サイバネティクス(Cybernetics)は、複雑なシステムにおける制御と通信の科学である。
我々は、サイバーネティクスが基礎エージェントに欠けている理論的な足場を提供すると主張している。
論文 参考訳（メタデータ） (2026-05-11T15:53:54Z) - AI Co-Scientist for Ranking: Discovering Novel Search Ranking Models alongside LLM-based AI Agents with Cloud Computing Access [60.37646376282544]
本稿では,全検索ランキング研究パイプラインを自動化したAI共同科学者フレームワークを提案する。
これは、AIの共同科学者フレームワークをアルゴリズム研究に利用した、ランキングコミュニティで初めての研究である。
論文 参考訳（メタデータ） (2026-03-23T09:29:08Z) - Towards Self-Evolving Benchmarks: Synthesizing Agent Trajectories via Test-Time Exploration under Validate-by-Reproduce Paradigm [60.36837655498119]
本稿では,トラジェクトリをベースとしたエージェント・ベンチマーク・複雑度進化フレームワークを提案する。
このフレームワークは、既存のベンチマークから元のタスクを受け取り、エージェントがそれをより難しい新しいタスクに進化させるよう促す。
GAIAベンチマークの実験では、TRACEフレームワークはタスクの複雑さを継続的に向上し、正確性の信頼性を向上させる。
論文 参考訳（メタデータ） (2025-10-01T01:52:52Z) - Towards Requirements Engineering for RAG Systems [0.0]
本稿では,海洋企業が大規模言語モデル(LLM)を開発し,統合する方法について考察する。
我々は、AI完全性に対するユーザの期待と、生成された出力の正確性の間に、データサイエンティストがいかに根本的な緊張に直面するかを実証する。
論文 参考訳（メタデータ） (2025-05-12T13:30:44Z)
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。