エージェント駆動型自動ソフトウェア改善

ソフトウェア開発費用の50％を占めるソフトウェア保守において、コードの品質と信頼性の向上はこれまで以上に重要となっています。この課題に対応するため、本博士研究提案は、Large Language Models（LLMs）を搭載したエージェントを用いてソフトウェア保守タスクを実行する革新的なソリューションを模索することを目的としています。継続的な学習と適応を可能にするエージェントの反復的な性質は、コード生成における一般的な課題を克服するのに役立ちます。特に、機能的かつ文脈的に関連するコードを生成する最終段階で発生するラストマイル問題が挙げられます。さらに、本プロジェクトは、エージェント同士が相互に誤りを訂正し学習できる協調的なフレームワークを通じて、現行のLLMsのソースコードにおける固有の限界を超えることを目指します。これらのシステムにおける反復的なフィードバックを用いて、エージェントの基盤となるLLMsをより自動ソフトウェア改善のタスクに適合させるために微調整していきます。主な目標は、新たなツールやフレームワークを開発し、ソフトウェア開発の効率と信頼性を高めることで自動ソフトウェア改善の分野において飛躍的な進展を達成することです。