論文の概要: Are We Just Applying LLMs? What SE Research Studies, Underexplores, and Could Do Next in the LLM Era
- arxiv url: http://arxiv.org/abs/2611.04206v1
- Date: Tue, 03 Nov 2026 02:42:39 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-11-04 17:33:02.024838
- Title: Are We Just Applying LLMs? What SE Research Studies, Underexplores, and Could Do Next in the LLM Era
- Title（参考訳）: LLMを応用したのか? LLM時代のSE研究、下層探査、そして次の研究は何か
- Abstract要約: AIは出版物の成長の93.1%を占めていたが、いくつかの会場や問題領域での拡大は、他の場所での契約を隠蔽した。
AIへの取り組みは主に下流にある。
AIによる変革は、この分野の20.2%の将来に関する2番目に頻繁な懸念であったが、研究者がコミュニティが行うべき変更を1つ特定するよう依頼されたとき、AIに言及した回答はわずか7.0%だった。
- 参考スコア（独自算出の注目度）: 3.824419019466412
- License:
- Abstract: Is AI taking over software engineering research? By 2025, AI appeared in more than half of the research-track papers at ICSE, FSE, and ASE. Yet ubiquity alone cannot show whether AI expanded the publication portfolio, displaced other work, or redirected the intellectual agenda. We investigate this shift through a census of 4,790 research papers (three SE conferences; 2018--2026) and free-form responses from 244 SE researchers discussing the future of the SE research community (ICSE 2026 FoSE survey). We found that while AI is taking over, it is not simply replacing non-AI research; it is unevenly reorganizing SE research around its capabilities. AI accounted for 93.1% of publication growth, but expansion in some venues and problem areas concealed contraction in others. The LLM wave also changed the field's tools more than its problem boundaries: 92.6% of LLM-wave AI papers revisit established SE problems, while most new problems arise from the introduction of LLMs in the SE process themselves. Engagement with AI remains predominantly downstream: 95.7% of AI papers apply AI or evaluate and support its use, while only 4.3% interrogate the paradigm or develop alternatives. The FoSE survey reveals a similar imbalance between recognition and response. AI-driven change was the second-most frequent concern about the field's future 20.2%, yet only 7.0% of responses mentioned AI when researchers were asked to identify one change the community should make. Together, our findings reveal a field reorganizing an inherited agenda around AI faster than it is questioning that reorganization. We discuss how SE can respond by building cumulatively across technological waves, strengthening evaluation and assurance, developing SE-native foundations, and studying software engineering in an AI-transformed world.
- Abstract（参考訳）: AIはソフトウェア工学の研究を引き継ぐのか?
2025年までに、AIはICSE、FSE、ASEの研究トラック論文の半分以上に登場した。
しかし、ユビキティだけでは、AIが出版ポートフォリオを拡張したり、他の作業を捨てたり、知的課題をリダイレクトしたかどうかを示すことはできない。
我々は,4,790件の研究論文(3回のSEカンファレンス,2018-2026)と,SE研究コミュニティの将来を議論する244件のSE研究者のフリーフォーム回答(ICSE 2026 FoSEサーベイ)を通して,この変化を調査した。
AIが引き継がれている一方で、AI以外の研究を置き換えるのではなく、その能力に関するSE研究を不均一に再編成していることがわかった。
AIは出版物の成長の93.1%を占めていたが、いくつかの会場や問題領域での拡大は、他の場所での契約を隠蔽した。
LLM-wave AIペーパーの92.6%は、確立されたSE問題を再検討しているが、ほとんどの新しい問題は、SEプロセス自体にLLMが導入されることによるものである。
95.7%のAI論文がAIを適用し、その使用を評価し、サポートしている。
FoSEの調査では、認識と応答の相違が明らかになっている。
AIによる変革は、この分野の20.2%の将来に関する2番目に頻繁な懸念であったが、研究者がコミュニティが行うべき変更を1つ特定するよう依頼されたとき、AIに言及した回答はわずか7.0%だった。
この結果から,AIに関する世襲的な課題を,再編成よりも早く再編成する分野が明らかとなった。
我々は、SEが技術的波にまたがって累積的に構築し、評価と保証を強化し、SEネイティブな基盤を開発し、AIに変換された世界でソフトウェア工学を研究することで、どのようにしてSEが対応できるかについて議論する。
関連論文リスト
- IdeaTaste: Do LLMs Share the Research Taste of Human Researchers? [47.76970279623799]
研究の味、何を読むべきか、どの問題を追求するか、どの方法を試すかという判断は、AI科学者の働きをますます形作る。
このベンチマークは、2025年に凍結された文献のスナップショットから、2026年に発行されたのと同じコミュニティの成果と、どれだけ近い研究提案を書けるかによって、LCMをスコア付けする。
我々の実験は6つの現代言語モデルと、確立された分野から新興分野までの4つの研究領域にまたがっており、合計90,000件以上の提案をカバーしている。
論文 参考訳（メタデータ） (2026-11-02T16:45:03Z) - Science or Slop?: Benchmarking and Mitigating Scientific Slop in AI-Generated Papers [59.059012465617634]
しかし、AIが生成する科学論文には、既存のトークンベースのAI検出器では容易に検出できない、より複雑なパターンがある。
これらの失敗を、構造、論証、アーティファクトの6つの尺度を通じて科学的にスロープしたものとして評価する。
本研究では,SciSlopHarnessを提案する。SciSlopHarnessは,実験記録が変更をサポートする場合にのみスロープを修正するための固定LDMをガイドするフレームワークである。
論文 参考訳（メタデータ） (2026-09-30T18:16:42Z) - When AI Meets Science: Research Diversity, Interdisciplinarity, Visibility, and Retractions across Disciplines in a Global Surge [0.429202654064509]
OpenAlexコレクションから2億2700万以上の学術作品を分析します。
ドメイン間のAI採用のタイミングと範囲の違いを文書化しています。
我々は、最良の研究プラクティスがAIの採用のメリットをいかに向上させるかについて論じる。
論文 参考訳（メタデータ） (2026-05-07T11:23:23Z) - AI Researchers' Views on Automating AI R&D and Intelligence Explosions [7.10975129848806]
多くの先進的なAI研究者は、AI開発が過去のすべての技術革新の変革的影響を超えることを期待している。
私たちは、フロンティアAIラボとアカデミックの25の研究者にインタビューした。
論文 参考訳（メタデータ） (2026-02-13T23:24:05Z) - Real Deep Research for AI, Robotics and Beyond [85.87181330763548]
本稿では、AIとロボット工学の分野に適用された総合的なフレームワークであるReal Deep Research(RDR)を紹介する。
本論文ではRDRパイプラインの構成について詳述し、付録では各分析トピックに対して広範な結果を提供している。
論文 参考訳（メタデータ） (2025-10-23T17:59:05Z) - Real-World Gaps in AI Governance Research [0.0]
9,439件のAI生成論文(2020年1月から2025年3月)から1,178件の安全性と信頼性に関する論文を引用し、主要なAI企業や大学の研究成果を比較した。
企業AI研究は、モデルアライメントとテストと評価という、デプロイ前領域にますます集中していることに気付きました。
医療、金融、誤情報、説得力と中毒性の特徴、幻覚、著作権など、リスクの高い展開領域に重要な研究ギャップが存在する。
論文 参考訳（メタデータ） (2025-04-30T20:44:42Z) - Artificial intelligence adoption in the physical sciences, natural
sciences, life sciences, social sciences and the arts and humanities: A
bibliometric analysis of research publications from 1960-2021 [73.06361680847708]
1960年には333の研究分野の14%がAIに関連していたが、1972年には全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。
1960年には、333の研究分野の14%がAI(コンピュータ科学の多くの分野)に関連していたが、1972年までに全研究分野の半分以上、1986年には80%以上、現在では98%以上まで増加した。
我々は、現在の急上昇の状況が異なっており、学際的AI応用が持続する可能性が高いと結論付けている。
論文 参考訳（メタデータ） (2023-06-15T14:08:07Z) - Fairness in AI and Its Long-Term Implications on Society [68.8204255655161]
AIフェアネスを詳しく見て、AIフェアネスの欠如が、時間の経過とともにバイアスの深化につながるかを分析します。
偏りのあるモデルが特定のグループに対してよりネガティブな現実的な結果をもたらすかについて議論する。
問題が続くと、他のリスクとの相互作用によって強化され、社会不安という形で社会に深刻な影響を及ぼす可能性がある。
論文 参考訳（メタデータ） (2023-04-16T11:22:59Z) - Characterising Research Areas in the field of AI [68.8204255655161]
トピックの共起ネットワーク上でクラスタリング分析を行うことで,主要な概念テーマを特定した。
その結果は、ディープラーニングや機械学習、物のインターネットといった研究テーマに対する学術的関心の高まりを浮き彫りにしている。
論文 参考訳（メタデータ） (2022-05-26T16:30:30Z)
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。