論文の概要: Generation and Verification: Human-Agent Collaboration for Safety-Critical Automotive Software Engineering

• arxiv url: http://arxiv.org/abs/2610.35982v1
• Date: Mon, 26 Oct 2026 11:04:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.378958
• Title: Generation and Verification: Human-Agent Collaboration for Safety-Critical Automotive Software Engineering
• Title（参考訳）: 生成と検証:安全クリティカルな自動車ソフトウェアエンジニアリングのためのヒューマンエージェントコラボレーション
• Abstract要約: 両要求に対処するC/C++のコーディングアシスタントを提案する。 Model Context Protocol(生成、編集、検証)を介して、3つのツールをユーザに公開する。 汎用モデルを使うのではなく、素早いエンジニアリングと微調整により、基礎となるLLMを自動車分野向けにカスタマイズする。
• 参考スコア（独自算出の注目度）: 0.8532257363167651
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Research on coding agents mainly focuses on generation quality. Yet, safety-critical automotive software makes two additional demands. It prioritizes verification, since every change is reviewed, traced to a requirement, and checked against industry standards such as MISRA and AUTOSAR before it can be committed. It is also a narrow domain, written against layered architectures, embedded resource constraints, and organization-specific interface conventions that are scarce in the data general-purpose LLMs are trained on. We present a coding assistant for automotive C/C++ that addresses both demands. First, it exposes three tools to the user over the Model Context Protocol (generate, edit, and verify), allowing developers to run verify on any code on demand rather than relying on the agent to check its own output. Second, rather than using a general-purpose model, we customize the underlying LLM for the automotive domain through prompt engineering and fine-tuning. We construct a dataset from automotive production code of AUMOVIO, where each function is paired with the requirement texts and Unified Modeling Language (UML) behavior it must satisfy. In a two-week pilot on active production projects, developers report verify as the most-used tool and confirm using it on their own code and not only on generated output. Comparing model customization strategies, 75% prefer the faster prompt-engineered configuration. MISRA- and AUTOSAR-inspired pattern checkers indicate that prompt engineering achieves a lower number of violations on C, while fine-tuning shows better conformance with architecture patterns for C++.
• Abstract（参考訳）: 符号化エージェントの研究は、主に生成品質に焦点を当てている。 しかし、セーフティクリティカルな自動車ソフトウェアには、さらに2つの要求がある。 すべての変更がレビューされ、要求にトレースされ、MISRAやAUTOSARといった業界標準に対してコミットされる前にチェックされるため、検証が優先される。 また、レイヤアーキテクチャ、組み込みリソース制約、データ汎用LLMのトレーニングに不足する組織固有のインターフェース規約に対して書かれた狭いドメインでもある。 両要求に対処するC/C++のコーディングアシスタントを提案する。 まず、Model Context Protocol(生成、編集、検証)を介してユーザに対して3つのツールを公開する。 第二に、汎用モデルではなく、迅速なエンジニアリングと微調整により、基礎となるLLMを自動車分野向けにカスタマイズする。 我々は、AUMOVIOの自動車生産コードからデータセットを構築し、各関数は要求テキストとUML(Unified Modeling Language)の振る舞いをペアリングする。 アクティブプロダクションプロジェクトの2週間のパイロットテストで、開発者は最も使用されるツールとして検証を報告し、生成されたアウトプットだけでなく、自身のコードでそれを使用することを確認する。 モデルカスタマイズ戦略と比較すると、75%はより高速なプロンプトエンジニアリング構成を好む。 MISRAとAUTOSARにインスパイアされたパターンチェッカーは、エンジニアリングがC++のアーキテクチャパターンによく適合しているのに対して、迅速なエンジニアリングがCの違反回数を減らしていることを示している。

関連論文リスト

• Meta-Engineering Harnesses for AI-Native Software Production: A Contract-Driven Adversarial Verification Architecture with Early Deployment Report [0.0]
  運用および製品機能要件を明示的な契約に変換する,ソフトウェア生産アーキテクチャを提案する。 本稿では,2パスのコントラクトコンパイルを含む階層アーキテクチャについて述べる。 数週間にわたって17の機能にまたがる初期の運用デプロイメントの結果を報告します。
  論文  参考訳（メタデータ） (2026-05-25T10:15:24Z)
• Agentic Agile-V: From Vibe Coding to Verified Engineering in Software and Hardware Development [0.0]
  エージェントAIコーディングシステムは、リポジトリを検査し、実装手順を計画し、ファイルを編集し、テストを実行し、プルリクエストを送信できる。 現在の証拠は、自律的なコード生成がエンジニアリングの結果を自動的に改善するという単純な主張を支持していない。 この論文は、中心的な問題は、もはや迅速なエンジニアリングではなく、エンジニアリングプロセスの制御である、と論じている。
  論文  参考訳（メタデータ） (2026-05-19T20:10:13Z)
• 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)
• GTA-2: Benchmarking General Tool Agents from Atomic Tool-Use to Open-Ended Workflows [90.35728421223673]
  GTA-2はジェネラル・ツール・エージェント(GTA)の階層的なベンチマークである 現実世界の認証に基づいて構築され、実際のユーザクエリ、デプロイツール、マルチモーダルコンテキストを活用する。 実験では、フロンティアモデルは既に原子タスクに苦戦しているが、トップモデルは14.39%の成功しか達成していない。
  論文  参考訳（メタデータ） (2026-04-17T05:36:00Z)
• Software Defined Vehicle Code Generation: A Few-Shot Prompting Approach [0.0]
  汎用大規模言語モデル (LLM) は、ドメイン間の変換ポテンシャルを実証している。 本研究は, LLMと対話し, 応答をリダイレクトするための共通かつ基本的な手法であるプロンプトを用いることを提案する。 高度なプロンプト技術を用いて設計された適切な効率的なプロンプト構造を持つシステムプロンプトのみを用いることで、LLMはトレーニングセッションや基本設計へのアクセスを必要とせずに製造することができる。
  論文  参考訳（メタデータ） (2025-11-06T22:27:39Z)
• Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
  本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。 本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
  論文  参考訳（メタデータ） (2025-10-02T06:25:10Z)
• Training Language Models to Generate Quality Code with Program Analysis Feedback [66.0854002147103]
  大規模言語モデル(LLM)によるコード生成は、ますます本番環境で採用されているが、コード品質の保証には失敗している。 実運用品質のコードを生成するためにLLMにインセンティブを与える強化学習フレームワークであるREALを提案する。
  論文  参考訳（メタデータ） (2025-05-28T17:57:47Z)
• AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning [54.47116888545878]
  AutoActはQAのための自動エージェント学習フレームワークである。 大規模アノテートデータやクローズドソースモデルからの合成計画軌道は依存していない。
  論文  参考訳（メタデータ） (2024-01-10T16:57:24Z)
• Coding by Design: GPT-4 empowers Agile Model Driven Development [0.03683202928838613]
  この研究は、アジャイルモデル駆動開発(MDD)アプローチを提供し、OpenAIのGPT-4を使ってコードの自動生成を強化する。 私たちの研究は、現行のMDDメソッドへの重要な貢献として"アジリティ"を強調しています。 最終的に、GPT-4を利用して、最後のレイヤはJavaとPythonの両方でコードを自動生成します。
  論文  参考訳（メタデータ） (2023-10-06T15:05:05Z)
• IFC models for (semi)automating common planning checks for building permits [0.0]
  IFCモデルから必要な情報を抽出して代表規則をチェックするツールが開発された。 ケーススタディは、場所、規制、入力モデルに特化していますが、遭遇した問題のタイプは、自動コードコンプライアンスチェックの一般的な例です。
  論文  参考訳（メタデータ） (2020-11-03T15:29:47Z)

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。