論文の概要: LLM-Based Design Pattern Detection

• arxiv url: http://arxiv.org/abs/2502.18458v1
• Date: Tue, 25 Feb 2025 18:57:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-26 15:23:31.482279
• Title: LLM-Based Design Pattern Detection
• Title（参考訳）: LLMを用いたデザインパターン検出
• Authors: Christian Schindler, Andreas Rausch,
• Abstract要約: 本稿では,大規模言語モデルを用いたデザインパターンの自動識別手法を提案する。 この研究は、ソフトウェア構造と意図に関するより明確な洞察を提供することによって、開発者を支援し、理解を改善し、タスクを合理化することを目的としている。
• 参考スコア（独自算出の注目度）: 0.5586191108738563
• License:
• Abstract: Detecting design pattern instances in unfamiliar codebases remains a challenging yet essential task for improving software quality and maintainability. Traditional static analysis tools often struggle with the complexity, variability, and lack of explicit annotations that characterize real-world pattern implementations. In this paper, we present a novel approach leveraging Large Language Models to automatically identify design pattern instances across diverse codebases. Our method focuses on recognizing the roles classes play within the pattern instances. By providing clearer insights into software structure and intent, this research aims to support developers, improve comprehension, and streamline tasks such as refactoring, maintenance, and adherence to best practices.
• Abstract（参考訳）: 不慣れなコードベースでデザインパターンのインスタンスを検出することは、ソフトウェアの品質と保守性を改善する上で、難しいが必須の課題である。 従来の静的解析ツールは、現実のパターンの実装を特徴付ける明示的なアノテーションの欠如、複雑さ、多様性に悩まされることが多い。 本稿では,多種多様なコードベースにまたがるデザインパターンのインスタンスを自動的に識別するために,大規模言語モデルを活用した新しいアプローチを提案する。 本手法は,パターンインスタンス内の役割クラスが果たす役割を認識することに焦点を当てる。 この研究は、ソフトウェア構造と意図に関するより明確な洞察を提供することによって、開発者を支援し、理解を改善し、リファクタリング、メンテナンス、ベストプラクティスへの固執といったタスクを合理化することを目的としています。

関連論文リスト

• Do Code LLMs Understand Design Patterns? [45.89136944351375]
  ソフトウェア開発におけるコードLLMのバイアスを実証的に調査する。 その結果,Code LLMのバイアスが下流タスクの信頼性に大きく影響していることが判明した。
  論文  参考訳（メタデータ） (2025-01-08T20:39:45Z)
• Unified Generative and Discriminative Training for Multi-modal Large Language Models [88.84491005030316]
  生成的トレーニングにより、視覚言語モデル(VLM)は様々な複雑なタスクに取り組むことができる。 CLIPのようなモデルで実証された差別的トレーニングは、ゼロショットイメージテキストの分類と検索に優れています。 本稿では,両パラダイムの強みを統合する統一的アプローチを提案する。
  論文  参考訳（メタデータ） (2024-11-01T01:51:31Z)
• DeepCodeProbe: Towards Understanding What Models Trained on Code Learn [13.135962181354465]
  本稿では,MLモデルの構文と表現学習能力を調べるための探索手法であるDeepCodeProbeを紹介する。 コードクローン検出,コード要約,コメント生成の最先端モデルにDeepCodeProbeを適用した。 発見によると、小さなモデルは抽象構文表現をキャプチャするが、プログラミング言語の構文を完全に把握する能力は限られている。
  論文  参考訳（メタデータ） (2024-07-11T23:16:44Z)
• Mining Frequent Structures in Conceptual Models [2.625701175074974]
  本稿では,概念モデルにおける頻繁な構造発見問題に対する一般的なアプローチを提案する。 我々は、広く使われている2つの概念モデリング言語に焦点をあてて、我々のアプローチを実装した。 このツールは、効果的なモデリングプラクティスと非効果的なモデリングプラクティスの両方を特定するのに使うことができる。
  論文  参考訳（メタデータ） (2024-06-11T10:24:02Z)
• Towards Complex Ontology Alignment using Large Language Models [1.3218260503808055]
  オントロジーアライメント(オントロジーアライメント)は、異なるラベルとコンテンツ間の関係を検出するWebにおける重要なプロセスである。 近年のLarge Language Models (LLMs) の進歩は,工学的実践の強化に新たな機会をもたらす。 本稿では,LLM技術の複雑なアライメント問題への取り組みについて検討する。
  論文  参考訳（メタデータ） (2024-04-16T07:13:22Z)
• A Thorough Examination of Decoding Methods in the Era of LLMs [72.65956436513241]
  復号法は、次世代の予測器から実用的なタスク解決器に言語モデルを変換する上で、必須の役割を果たす。 本稿では,大規模言語モデルの文脈における様々な復号法を包括的かつ多面的に分析する。 その結果,復号法の性能は特にタスク依存的であり,アライメント,モデルサイズ,量子化などの要因に影響されていることが明らかとなった。
  論文  参考訳（メタデータ） (2024-02-10T11:14:53Z)
• Generalization Properties of Retrieval-based Models [50.35325326050263]
  検索ベースの機械学習手法は、幅広い問題で成功をおさめた。 これらのモデルの約束を示す文献が増えているにもかかわらず、そのようなモデルの理論的基盤はいまだに解明されていない。 本稿では,その一般化能力を特徴付けるために,検索ベースモデルの形式的処理を行う。
  論文  参考訳（メタデータ） (2022-10-06T00:33:01Z)
• Improving Meta-learning for Low-resource Text Classification and Generation via Memory Imitation [87.98063273826702]
  本稿では,メモリ模倣メタラーニング(MemIML)手法を提案する。 本手法の有効性を証明するために理論的解析を行った。
  論文  参考訳（メタデータ） (2022-03-22T12:41:55Z)
• What Makes Good Contrastive Learning on Small-Scale Wearable-based Tasks? [59.51457877578138]
  本研究では,ウェアラブル型行動認識タスクにおけるコントラスト学習について検討する。 本稿では,PyTorchライブラリのtextttCL-HAR について述べる。
  論文  参考訳（メタデータ） (2022-02-12T06:10:15Z)
• DirectDebug: Automated Testing and Debugging of Feature Models [55.41644538483948]
  変数モデル(例えば、特徴モデル)は、ソフトウェアアーティファクトの変数と共通性を表現する一般的な方法である。 複雑でしばしば大規模な機能モデルは欠陥になりうる、すなわち、ソフトウェアアーチファクトの期待される変動特性を表現しない。
  論文  参考訳（メタデータ） (2021-02-11T11:22:20Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。