Agents in Software Engineering: Survey, Landscape, and Vision

要約

近年、ラージ言語モデル (LLM) は目覚ましい成功を収め、さまざまな下流タスク、特にソフトウェア エンジニアリング (SE) 分野のタスクで広く使用されています。
LLM と SE を組み合わせた多くの研究では、エージェントの概念が明示的または暗黙的に使用されていることがわかりました。
しかし、既存作品の開発文脈を整理し、既存作品がLLMベースのエージェント技術をどのように組み合わせてさまざまなタスクを最適化するかを分析し、SEにおけるLLMベースのエージェントの枠組みを明らかにするための詳細な調査は不足しています。
この論文では、LLM ベースのエージェントと SE の組み合わせに関する研究の最初の調査を実施し、知覚、記憶、およびアクションという 3 つの主要なモジュールを含む SE における LLM ベースのエージェントのフレームワークを提示します。
また、2 つの分野を組み合わせる際の現在の課題を要約し、既存の課題に対応する将来の機会を提案します。
関連論文の GitHub リポジトリを https://github.com/DeepSoftwareAnalytics/Awesome-Agent4SE で管理しています。

要約(オリジナル)

In recent years, Large Language Models (LLMs) have achieved remarkable success and have been widely used in various downstream tasks, especially in the tasks of the software engineering (SE) field. We find that many studies combining LLMs with SE have employed the concept of agents either explicitly or implicitly. However, there is a lack of an in-depth survey to sort out the development context of existing works, analyze how existing works combine the LLM-based agent technologies to optimize various tasks, and clarify the framework of LLM-based agents in SE. In this paper, we conduct the first survey of the studies on combining LLM-based agents with SE and present a framework of LLM-based agents in SE which includes three key modules: perception, memory, and action. We also summarize the current challenges in combining the two fields and propose future opportunities in response to existing challenges. We maintain a GitHub repository of the related papers at: https://github.com/DeepSoftwareAnalytics/Awesome-Agent4SE.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google