本論文は、バイブコーディングに関する初の包括的かつ体系的なサーベイであると自らを位置づけている。1,000 本を超える研究論文をもとに、この実践を 1 つの分野として定式化し、それを支えるエコシステム（コード向け大規模言語モデル、コーディングエージェント、開発環境、フィードバック機構）を概観する。理論面での中心的な貢献は、バイブコーディングを人間の開発者、ソフトウェアプロジェクト、コーディングエージェントの三者間の動的な関係として形式的に定義したことである。これは制約付きマルコフ決定過程（Constrained Markov Decision Process）としてモデル化され、人間が目標と制約を定め、プロジェクトが状態空間を提供し、エージェントがその中で方策と状態遷移を実行する。
この定式化を踏まえた本論文の 2 つ目の主要な貢献は、バイブコーディングの開発モデル の分類体系である。これは、人間とエージェントが実際にどのように責任を分担するかについての、互いに組み合わせ可能な 5 つの異なるパターンであり、3 つの軸に沿って分類される。すなわち、人間が AI の生成したコードをどの程度レビューするか、ワークフローが構造化された制約（計画ドキュメント、テスト、ルール）にどの程度依存するか、そしてコンテキスト管理（コードベースのインデックス化、検索）をどの程度用いるかである。
主なポイント
- 本論文の形式的定義は、バイブコーディングを「1 行ずつのコード理解ではなく、結果の観察を通じて」実装を検証することと明示的に結びつけている。また別の箇所では、自ら提示する 5 つの開発モデルのうち、無制約自動化モデル（UAM）が「バイブコーディングの本来の定義に最も近い開発手法」であると述べている。これは、このサーベイが用いるより広い包括的な用語が、本来のより狭い意味を超えて拡張されていることを示唆している。
- 5 つのモデルからなる分類体系は次のとおりである。無制約自動化（AI が主導し、人間は要件を提示するだけで、ラピッドアプリケーション開発になぞらえられる）、反復的対話協働（人間が各出力をレビューし、ペアプログラミングになぞらえられる）、計画駆動（AI が実装する前に、人間が仕様・ルール・計画のドキュメントによって事前に設計し、ウォーターフォールになぞらえられる）、テスト駆動（人間が仕様としてテストを書き、AI はそれをパスするように実装する。レッド・グリーン・リファクタリングに従う）、そしてコンテキスト強化（単独のワークフローではなく、検索拡張生成、コードベースのインデックス化、ルールの読み込みといった横断的な能力であり、他の 4 つのいずれにも重ねて適用できる）である。
- 本論文の比較表は、4 つの基本モデルと横断的なコンテキスト強化モデルを、事前の投資、人間による制御、構造化された制約、開発速度、コード品質、技術的負債、保守性、セキュリティリスクの観点から評価している。無制約自動化は最も速いが、技術的負債とセキュリティリスクは「高」と評価されている。これに対してテスト駆動は、技術的負債が「高」と評価される一方で、セキュリティリスクは「なし」、保守性は「厳格」と評価されている。
- 本論文は（他の実証研究を引用して）、自律型コーディングエージェントを本番パイプラインに導入すると、導入から 6 か月以内にセキュリティ警告と技術的負債の蓄積が 10 倍に増えることが報告されていると述べている。
- 自律性を増すコーディングエージェントに特有のシステミックなリスクとして、3 つのカテゴリを挙げている。連鎖的エラー（あるエージェントの誤った出力が、相互接続されたパイプラインやマルチエージェントのワークフローを通じて伝播する）、依存関係の増殖（エージェントが検証されていないパッケージや存在しないパッケージを導入したりハルシネーションしたりする。引用されたある研究では、AI が提案したパッケージの 5 分の 1 近くが存在しないか信頼できないものだった）、アライメントの失敗（エージェントが明示的なタスク指標に最適化する一方で、プロンプト中の暗黙の安全性や保守性の制約を無視する）である。
- 人間が直接レビューできる量を超える出力を生み出すエージェントを監督するために提案されている「スケーラブルな監督（scalable oversight）」のアプローチを概観している。階層的な弱から強への監督（GPT-2 レベルの指導のもとで GPT-4 をファインチューニングした OpenAI 自身のスーパーアラインメント実験を引用）、マルチエージェントによる討論・批評（2 つの LLM が交互にコードと相手への敵対的テストを生成する DebateCoder を引用）、そしてモデルを意識した静的・動的解析や、強化学習に基づく「番犬（watchdog）」エージェントによる継続的な自動監視である。
- バイブコーディングの成功は、コーディングエージェントの素の能力と少なくとも同程度に、コンテキストエンジニアリング、十分に確立された開発環境、そして選択された人間とエージェントの協働モデルに依存すると論じている。また現在のエコシステムには、コーディングワークフローにおける動的なコンテキスト管理のために特化して作られた成熟したツールが欠けており、現状ではほぼ手作業の場当たり的な実践にとどまっていると報告している。
補足
本論文は独自の実証研究ではなく、サーベイ・統合研究である。5 つの開発モデルの分類体系と CMDP による形式的定義は著者ら自身の概念的な貢献だが、本番環境のリスクについて報告されている具体的な実証的主張（セキュリティ警告の 10 倍増や、5 分の 1 のパッケージが存在しないという数字など）は、本論文が直接測定したものではなく、引用された他の研究から引いたものである。本論文は、バイブコーディングが実世界のプロセスに与える影響についての実証研究はまだ初期段階にあり、長期的な検証が欠けていることを認めている。