プロンプト駆動型コード要約：体系的文献レビュー

要旨: ソフトウェアのドキュメンテーションは、プログラム理解、開発者のオンボーディング、コードレビュー、長期保守に不可欠である。にもかかわらず、高品質なドキュメントを手作業で作成することは時間を要し、しばしば不完全または一貫性のない結果につながる。大規模言語モデル（LLM）は、ソースコードから自然言語による記述を自動生成し、開発者がより効率的にコードを理解できるようにし、保守を促進し、欠陥の局所化やコミットメッセージ生成といった下流の活動を支援することで、有望な解決策を提供する。しかし、ドキュメント作成タスクにおけるLLMの有効性は、どのようにプロンプトを与えるかに決定的に依存する。適切に構造化された指示は、モデルの性能を大幅に向上させ得る。プロンプトエンジニアリング――モデルのふるまいを導くための入力プロンプトの設計――は、LLMベースのソフトウェア工学における基礎的な手法である。few-shotプロンプティング、chain-of-thought推論、retrieval-augmented generation、zero-shot学習のようなアプローチはコード要約に有望だが、現在の研究はなお断片的である。どのプロンプト戦略が最も有効であるのか、どのモデルに対してであり、どのような条件下で機能するのかについての理解は限られている。さらに、評価の実践は大きくばらついており、多くの研究が意味の質を捉えられない可能性のある、重なり（オーバーラップ）ベースの指標に依存している。本システマティック・リテラチャー・レビューは、既存のエビデンスを統合し、プロンプティングのパラダイムを分類し、その有効性を検討し、将来の研究および実務への導入を導くためのギャップを特定する。