論文の概要: Instant Software Factories

• arxiv url: http://arxiv.org/abs/2610.36254v1
• Date: Mon, 26 Oct 2026 20:34:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.431379
• Title: Instant Software Factories
• Title（参考訳）: インスタントソフトウェアファクター
• Abstract要約: ソフトウェアファクトリは、繰り返し可能なプロセスを通じて進行中の作業を処理します。 テストされたリポジトリとコーディングエージェントが与えられた場合、インスタントソフトウェアファクトリは2つの調整入力のみを使用する。 手動で構成した2つの工業工場から15日から17日間蒸留を行ったが,まだ評価されていない。
• 参考スコア（独自算出の注目度）: 1.2891210250935148
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Coding agents can quickly build prototypes, but a long tail of fixes, optimizations, tests, and releases separates a prototype from a product. A software factory handles this ongoing work through a repeatable process. We ask whether this work needs dedicated orchestration and how such factories should be judged. Given a tested repository and a coding agent, an instant software factory uses only two coordination inputs, a swarm of cron-job agents with standing objectives and a shared communication board, such as GitHub, where agents coordinate through the traces they leave. We developed a bootstrap prompt designed to set up both inputs from one round of human input, with governance as a separable layer. We distilled it from two manually configured industrial factories, observed for 15 and 17 days, and have not yet evaluated it. In the GitHub-coordinated CLI factory, daily merges rose 15x during agent rollout, an observed association. Its agents also filed 95% of new issues and authored 40 of 58 PRs that changed CI workflows, and at least 5.6% of issues marked as fixed were later found to have incorrect fixes. Unlike an agent scored on a fixed benchmark, a factory thus changes its own workload, evaluator, and measured progress. We formulate factory development as multi-objective optimization under this endogenous feedback. Over five months, we plan to evolve both factories, test the bootstrap on new repositories, and test five falsifiable hypotheses.
• Abstract（参考訳）: コーディングエージェントはプロトタイプを迅速に構築できるが、修正、最適化、テスト、リリースの長い範囲はプロトタイプを製品から分離する。 ソフトウェアファクトリは、繰り返し可能なプロセスを通じて、この継続的な作業を処理します。 我々は、この作業に専用のオーケストレーションが必要かどうかと、そのような工場をどのように判断すべきかを尋ねる。 テストされたリポジトリとコーディングエージェントが与えられた場合、インスタントソフトウェアファクトリは2つのコーディネーションインプット、待機する目的を持ったcron-jobエージェントの群、GitHubのような共有コミュニケーションボードを使用して、エージェントが出発するトレースをコーディネートする。 我々は1ラウンドの人間入力から両方の入力を分離可能な層として設定するように設計されたブートストラッププロンプトを開発した。 手動で構成した2つの工業工場から15日から17日間蒸留を行ったが,まだ評価されていない。 GitHubがコーディネートしたCLIファクトリでは、エージェントのロールアウト中に毎日のマージが15倍になった。 そのエージェントはまた、新しい問題の95%を提出し、CIワークフローを変更した58のPRのうち40を作成した。 固定ベンチマークで測定されたエージェントとは異なり、ファクトリは独自の作業負荷、評価器、測定進捗を変更する。 この内因性フィードバックの下で,工場開発を多目的最適化として定式化する。 5ヶ月以上、我々は両方の工場を進化させ、新しいリポジトリでブートストラップをテストし、5つの偽りの仮説をテストする予定です。

関連論文リスト

• (When) Should a Software Factory be Lights-off? Benchmarking Code Review Agents on Bug Detection [8.798148307457373]
  CRBugBenchは、レビューエージェントが人間の検証されたバグを検出するかどうかを評価するベンチマークである。 私たちは、リポジトリ履歴からバグをマイニングするデータパイプラインを構築し、各バグとPRを導入してレビュータスクを作成します。 モデル進化の5ヶ月で47.7% (opus-4.6) から上昇し、トップ5コメントの71.9%のバグをキャッチした。
  論文  参考訳（メタデータ） (2026-10-09T14:37:15Z)
• RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents [53.51359930826217]
  真のデジタルワークには、端から端まで積み重ねるのではなく、両方をインターリーブする必要があります。 インターフェースを探索し、ソフトウェアを実装し、それらのアーティファクトを実行し、視覚的に検証するタイミングを自律的に決定するハイブリッドCUAについて研究する。 レクリエーションを中心に構築された5プラットフォームフレームワークであるRecreationWorldを紹介します。
  論文  参考訳（メタデータ） (2026-09-18T17:00:56Z)
• Tencent WorkBuddy Bench: A Multi-Domain Coding-Agent Benchmark with Contamination-Resistant Task Construction [57.138342889101345]
  Tencent WorkBuddy Benchは、コーディングエージェントのためのマルチドメイン評価スイートである。 本報告では, 設計手法, スコアリングプロトコル, クロスモデルリーダーボードについて述べる。
  論文  参考訳（メタデータ） (2026-07-23T04:34:06Z)
• RuBench: A Repository-Level Agentic Coding Benchmark with Natively Authored Russian Task Specifications [0.0]
  RuBench 1.0は、5つのライブオープンソースリポジトリの最近の修正コミットから抽出された25のタスクのベンチマークである。 各タスクはロシア語で指定され、スクラッチから実際の顧客要求のスタイルで書かれ、翻訳されない。 25の修正コミットはすべて、評価されたモデル毎のトレーニングデータのカットオフを延期する。
  論文  参考訳（メタデータ） (2026-07-07T15:41:22Z)
• 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)
• ChipMATE: Multi-Agent Training via Reinforcement Learning for Enhanced RTL Generation [55.947962672433675]
  ChipMATEは、RTL生成のための最初の自己学習型マルチエージェントフレームワークである。 ChipMATEは産業的な実践に触発され、VerilogエージェントとPythonのリファレンスモデルエージェントをペアにし、相互に出力を検証する。 ChipMATEは、VerilogEval V2で75.0%と80.1%パス@1を4Bと9Bベースモデルで達成している。
  論文  参考訳（メタデータ） (2026-05-13T01:04:21Z)
• Workstream: A Local-First Developer Command Center for the AI-Augmented Engineering Workflow [0.0]
  プルリクエスト、タスク管理、カレンダ、AIによるコードレビュー、履歴レビューインテリジェンス、レポジトリAI対応スコアリング、エージェントオブザーバビリティを単一のインターフェースに集約する、オープンソースのローカルファーストの開発者コマンドセンタであるWorkstreamを紹介します。 システムアーキテクチャ、新しい5カテゴリAI準備度スコアリングアルゴリズム、チーム固有のパターンの歴史的PRレビューをマイニングするレビューインテリジェンスパイプライン、モデルコンテキストプロトコル(MCP)、エージェント・ツー・エージェント(A2A)、エージェント・オブザーバビリティ・プロトコル(AOP)を実装するエージェント・オブザーバビリティ・レイヤについて説明する。
  論文  参考訳（メタデータ） (2026-04-18T16:24:29Z)
• Evaluating Software Development Agents: Patch Patterns, Code Quality, and Issue Complexity in Real-World GitHub Scenarios [13.949319911378826]
  この調査は、500の現実のGitHubイシューで上位10のエージェントから4,892のパッチを評価した。 一人のエージェントが支配的であり、170の問題が未解決であり、改善の余地があった。 ほとんどのエージェントはコードの信頼性とセキュリティを維持し、新しいバグや脆弱性を避けた。 一部のエージェントはコードの複雑さを増し、多くの重複を減らし、コードの臭いを最小限にした。
  論文  参考訳（メタデータ） (2024-10-16T11:33:57Z)
• SOEN-101: Code Generation by Emulating Software Process Models Using Large Language Model Agents [50.82665351100067]
  FlowGenは、複数のLarge Language Model (LLM)エージェントに基づいたソフトウェアプロセスモデルをエミュレートするコード生成フレームワークである。 FlowGenScrumをHumanEval、HumanEval-ET、MBPP、MBPP-ETの4つのベンチマークで評価した。
  論文  参考訳（メタデータ） (2024-03-23T14:04:48Z)

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。