大規模言語モデル(LLM)は、MUMPSやアセンブリ言語などのレガシーコードのドキュメント生成に有効であるが、その品質評価には課題があり、自動化された指標よりも人間の専門家による評価が重要である。
オープンソースソフトウェアエコシステムでは、新しいライブラリの出現は成熟するにつれて減速する一方で、既存ライブラリの組み合わせによる革新は持続的に成長し、エコシステムの持続可能性と進化に影響を与える。
本稿では、オブジェクト指向プログラムにおけるオブジェクト不変条件、特にフィールド間の関係を表すリレーショナルな不変条件を抽象解釈を用いて自動的に推論する新しい手法を提案する。
大規模言語モデル(LLM)の企業における導入と活用を容易にするミドルウェアの必要性と、LLMがアプリケーションエコシステムへのゲートウェイとして機能し、従来のミドルウェアの機能を吸収していく将来展望について論じる。
大規模言語モデル(LLM)を用いた新しいプログラミングワークフローであるLPWは、従来のソフトウェア開発モデルから着想を得て、計画検証とコード実装の2段階構造を採用することで、テキストからコードへの生成精度を大幅に向上させる。
本稿では、ソフトウェア開発における問題解決の重要なステップである、報告された問題を再現するためのコード生成をLLMが継続的に学習し改善していく手法を提案しています。
TLA+は、特にクラウド業界において、ソフトウェア開発、特に初期設計とデバッグにおけるバグ発見、システム設計の向上、システム理解の深化に効果的な形式手法として、過去10年間で急速に利用が増加している。
Sodaは、人間中心のAIシステムの要件を、人間の理解を重視した方法で形式化することを目的とした新しい記述型プログラミング言語です。
大規模言語モデル(LLM)はソフトウェア開発タスクに革命を起こしている一方で、既存のバグベンチマークを用いた評価において、LLMが訓練データからベンチマークの解決策を記憶している可能性があり、性能評価の信頼性を脅かしている。
本稿では、ソフトウェア開発、特にオブジェクト指向プログラミングにおける正確で堅牢なコードを開発するための、段階的で実践的なガイダンスを提供する「ガイド付きオブジェクト指向開発(GOOD)」アプローチを紹介しています。