論文の概要: Specification-Driven Governance for Fairness-by-Design in Agentic Software Engineering: How Far Can We Go?
- arxiv url: http://arxiv.org/abs/2611.03231v1
- Date: Mon, 02 Nov 2026 14:48:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 05:41:07.556914
- Title: Specification-Driven Governance for Fairness-by-Design in Agentic Software Engineering: How Far Can We Go?
- Title（参考訳）: エージェントソフトウェアエンジニアリングにおけるフェアネス・バイ・デザインのための仕様駆動型ガバナンス: どこまで進めばいいのか?
- Abstract要約: Agentic AIは、開発者の責任をソフトウェア実装からソフトウェアガバナンスにシフトしている。
現在のアプローチは、エージェント開発全体を通して公正要件を表現および伝播するための限定的なサポートを提供する。
本稿では,機械学習システムのエージェント開発において,仕様駆動型開発が公正設計を活用できるかどうかを検討する。
- 参考スコア（独自算出の注目度）: 47.18287985734776
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Agentic AI is shifting developers' responsibilities from software implementation to software governance. While this paradigm improves productivity, it also raises challenges in ensuring that autonomous coding agents preserve developers' intentions. Among these, operationalizing fairness-by-design is largely unexplored, as existing approaches provide limited support for representing and propagating fairness requirements throughout agentic development workflows. In this paper, we investigate whether specification-driven development can operationalize fairness-by-design in the agentic development of machine learning systems. We study three coding agents on four machine learning applications, using four prompts that progressively operationalize fairness through nine Fairness Specification Elements, and analyze the traceability of fairness requirements across the generated artifacts, the fairness-accuracy trade-off of the resulting models, and the agents' design decisions and rationales. The results show that when fairness is operationalized, agents capture almost all fairness requirements in the specification (97.22%) and preserve most of them in the code (82.41%). However, the resulting models are not significantly fairer, as agents implement fairness as a post-hoc audit that neither shapes training nor prevents model delivery. Specifications thus make fairness traceable, but not enforceable, calling for fairness specifications that state what agents should do when requirements are not met, and for workflows that make the fairness decisions agents delegate to developers explicit.
- Abstract（参考訳）: Agentic AIは、開発者の責任をソフトウェア実装からソフトウェアガバナンスにシフトしている。
このパラダイムは生産性を向上させる一方で、自律的なコーディングエージェントが開発者の意図を維持することを保証する上での課題も提起している。
これらのうち、フェアネス・バイ・デザインの運用は、エージェント開発ワークフロー全体を通してフェアネス要件を表現および伝播するための限定的なサポートを提供する既存のアプローチであるため、ほとんど探索されていない。
本稿では,機械学習システムのエージェント開発において,仕様駆動型開発が公正さと設計を両立させることができるかを検討する。
4つの機械学習アプリケーション上で3つのコーディングエージェントについて検討し、9つのフェアネス仕様要素を通して、段階的にフェアネスを運用する4つのプロンプトを用いて、生成されたアーティファクト間でのフェアネス要件のトレーサビリティ、結果モデルのフェアネス-正確性トレードオフ、およびエージェントの設計決定と合理的性を分析した。
その結果、フェアネスが運用されている場合、エージェントは仕様のほぼすべてのフェアネス要件(97.22%)をキャプチャし、コードのほとんどを(82.41%)保存することがわかった。
しかし、結果として得られたモデルは、トレーニングもモデル提供の妨げもしないようなポストホック監査として公正さを実装しているため、より公平ではない。
したがって、仕様はフェアネスをトレースできるが、強制できない。要件が満たされていないときにエージェントがすべきことを記述したフェアネス仕様と、フェアネス決定エージェントを明示的に開発者に委譲するワークフローが要求される。
関連論文リスト
- AgentSWE: Can Coding Agents Build the Agent You Actually Want? [27.064072390170466]
本稿ではエージェント開発ライフサイクルの3段階にまたがるエージェントソフトウェアエンジニアリングのベンチマークであるエージェントSWEを紹介する。
25のタスクはそれぞれ、試験ではなく委員会としてフレーム化されている。
要求が要求するものを提供するにはほど遠いものはありません。
論文 参考訳（メタデータ） (2026-10-09T10:35:27Z) - Reality Is the Final Verifier: On Two Key Gaps in Agentic Software Engineering [78.51705689800838]
本稿では, 要求, モデル, 評価器の見直しに, 展開証拠を用いた保証・修正ループを提案する。
そこで我々は,人的判断,エージェント能力,計算能力に対する資源配分問題としてエージェント開発を保証した。
論文 参考訳（メタデータ） (2026-09-10T17:58:48Z) - StartupBench: Benchmarking General-Purpose Agents on Market-Validated End-to-End Workflows [63.57092302641323]
textbfStartupBenchは、市場価値の高いAIスタートアップ製品に根ざしたE2Eエージェントベンチマークである。
我々は、AIが現実的な需要を確立した現実的なタスクを特定するために、製品やユーザとともに、AI製品の採用を実証して研究する。
以上の結果から,現在の汎用エージェントの信頼性を超越した,市場価値の高いエージェントが多数存在することが明らかとなった。
論文 参考訳（メタデータ） (2026-08-18T14:01:32Z) - Beyond Generalist LLMs: Specialist Agentic Systems for Structured Code Workflow Execution [0.40631409309544836]
大規模言語モデル(LLM)は、ソフトウェア開発エージェントの採用を加速し、現在、統合開発環境(IDE)拡張やスタンドアロンアプリケーションとして広く利用されています。
これらのエージェントは一般的に汎用的であるが、専門家がさらなる開発努力を正当化するかどうかは不明だ。
ビジネスプロセス・モデルと表記法(BPMN)のダイアグラムを実行可能なエージェントに変換することに焦点を当て、ビジネスプロセスの自動化という文脈でこの問題を考察する。
論文 参考訳（メタデータ） (2026-07-16T01:06:38Z) - FORTIS: Benchmarking Over-Privilege in Agent Skills [68.34663362794069]
2段階にわたるエージェントスキルの過剰な特権を評価するベンチマークを提案する。
過剰に特権化された行動は例外ではなく規範であることがわかった。
その結果、エージェント動作を含むスキル層は、それ自体が現在のシステムにおける特権エスカレーションの主要な源であることを示唆している。
論文 参考訳（メタデータ） (2026-05-09T20:57:18Z) - Accountable Agents in Software Engineering: An Analysis of Terms of Service and a Research Roadmap [10.967845122224299]
本稿では、広く使われているAIコーディングアシスタントとエージェント対応開発ツールについて、サービス規約の比較分析を行う。
分析の結果,ユーザの正当性,安全性,法的コンプライアンスに対する責任が一貫した傾向が明らかとなった。
既存のポリシーフレームワークは、ますますエージェントによる、自律的なソフトウェア開発と不整合である、と私たちは主張する。
論文 参考訳（メタデータ） (2026-05-06T06:18:59Z) - FairAgent: Democratizing Fairness-Aware Machine Learning with LLM-Powered Agents [12.630373011906746]
効果的なバイアス軽減には、公平性の定義、メトリクス、データ前処理、機械学習技術に関する深い専門知識が必要である。
フェアネスを意識したモデル開発を大幅に単純化する自動化システムであるFairAgentを紹介する。
実験の結果,FairAgentは開発時間と専門知識の要求を大幅に削減しながら,大幅なパフォーマンス向上を実現していることがわかった。
論文 参考訳（メタデータ） (2025-10-05T18:33:52Z) - 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) - Watson: A Cognitive Observability Framework for the Reasoning of LLM-Powered Agents [5.993182776695028]
大規模言語モデル(LLM)は、ますます自律システムに統合され、Agentwareと呼ばれる新しい種類のソフトウェアを生み出している。
本稿では,エージェント決定の背後にある暗黙の推論を回復し,検査する能力である認知的可観測性の概念を紹介する。
本稿では,LLMエージェントの行動変化を伴わない推論過程を観察するフレームワークであるWatsonについて述べる。
論文 参考訳（メタデータ） (2024-11-05T19:13:22Z)
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。