論文の概要: CompileAgent: Automated Real-World Repo-Level Compilation with Tool-Integrated LLM-based Agent System

• arxiv url: http://arxiv.org/abs/2505.04254v1
• Date: Wed, 07 May 2025 08:59:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:36.019124
• Title: CompileAgent: Automated Real-World Repo-Level Compilation with Tool-Integrated LLM-based Agent System
• Title（参考訳）: CompileAgent: ツール統合LDMエージェントシステムによる実世界のリポジトリレベルコンパイルの自動化
• Authors: Li Hu, Guoqiang Chen, Xiuwei Shang, Shaoyin Cheng, Benlong Wu, Gangyang Li, Xu Zhu, Weiming Zhang, Nenghai Yu,
• Abstract要約: リポジトリレベルのコンパイル専用のエージェントフレームワークであるCompileAgentを提案する。 CompileAgentは5つのツールとフローベースのエージェント戦略を統合し、コンパイル命令検索とエラー解決のためのソフトウェアアーチファクトとのインタラクションを可能にする。 提案手法は,10%から71%の範囲で,コンパイル成功率を大幅に向上することを示す。
• 参考スコア（独自算出の注目度）: 52.048087777953064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With open-source projects growing in size and complexity, manual compilation becomes tedious and error-prone, highlighting the need for automation to improve efficiency and accuracy. However, the complexity of compilation instruction search and error resolution makes automatic compilation challenging. Inspired by the success of LLM-based agents in various fields, we propose CompileAgent, the first LLM-based agent framework dedicated to repo-level compilation. CompileAgent integrates five tools and a flow-based agent strategy, enabling interaction with software artifacts for compilation instruction search and error resolution. To measure the effectiveness of our method, we design a public repo-level benchmark CompileAgentBench, and we also design two baselines for comparison by combining two compilation-friendly schemes. The performance on this benchmark shows that our method significantly improves the compilation success rate, ranging from 10% to 71%. Meanwhile, we evaluate the performance of CompileAgent under different agent strategies and verify the effectiveness of the flow-based strategy. Additionally, we emphasize the scalability of CompileAgent, further expanding its application prospects.
• Abstract（参考訳）: オープンソースプロジェクトのサイズと複雑さが大きくなると、手作業によるコンパイルが面倒でエラーが発生し、効率と正確性を改善するための自動化の必要性が強調される。 しかし、コンパイル命令検索とエラー解決の複雑さは、自動コンパイルを困難にしている。 各種分野におけるLLMベースのエージェントの成功に触発されて,レポレベルのコンパイルに特化した最初のLLMベースのエージェントフレームワークであるCompileAgentを提案する。 CompileAgentは5つのツールとフローベースのエージェント戦略を統合し、コンパイル命令検索とエラー解決のためのソフトウェアアーチファクトとのインタラクションを可能にする。 提案手法の有効性を評価するため,パブリックリポジトリレベルのベンチマークCompileAgentBenchを設計し,コンパイルに優しい2つのスキームを組み合わせることで比較のための2つのベースラインを設計する。 本ベンチマークの結果から,本手法はコンパイル成功率を10%から71%の範囲で大幅に向上することが示された。 一方、異なるエージェント戦略下でのCompileAgentの性能を評価し、フローベース戦略の有効性を検証する。 さらに、CompileAgentのスケーラビリティを強調し、アプリケーションの将来性をさらに拡大します。

関連論文リスト

• PC-Agent: A Hierarchical Multi-Agent Collaboration Framework for Complex Task Automation on PC [98.82146219495792]
  本稿では,PC-Agentという階層型エージェントフレームワークを提案する。 認識の観点からは,現在のMLLMのスクリーンショットコンテンツに対する認識能力の不十分さを克服するために,アクティブ知覚モジュール(APM)を考案する。 意思決定の観点から、複雑なユーザ命令や相互依存サブタスクをより効果的に扱うために、階層的なマルチエージェント協調アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2025-02-20T05:41:55Z)
• Learning to Use Tools via Cooperative and Interactive Agents [58.77710337157665]
  ツール学習は、外部ツールを使用してユーティリティを拡張するエージェントとして、大きな言語モデル(LLM)を促進する。 ツール選択,ツール実行,アクションキャリブレーションの3つの特別なエージェントを個別にコーディネートする,協調型対話型エージェントフレームワークであるConAgentsを提案する。 3つのデータセットに対する実験により、LLMは、ConAgentsを装備した場合、大幅に改善されたベースラインよりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-03-05T15:08:16Z)
• Agents meet OKR: An Object and Key Results Driven Agent System with Hierarchical Self-Collaboration and Self-Evaluation [25.308341461293857]
  OKR-Agentは、タスク解決におけるLarge Language Models(LLM)の機能を強化するように設計されている。 我々のフレームワークには、階層オブジェクトとキー結果の生成とマルチレベル評価という、2つの新しいモジュールが含まれています。
  論文  参考訳（メタデータ） (2023-11-28T06:16:30Z)

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。