論文の概要: EvoGraph: Hybrid Directed Graph Evolution toward Software 3.0
- arxiv url: http://arxiv.org/abs/2508.05199v1
- Date: Thu, 07 Aug 2025 09:36:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-08 18:59:39.791786
- Title: EvoGraph: Hybrid Directed Graph Evolution toward Software 3.0
- Title（参考訳）: EvoGraph: Software 3.0に向けたハイブリッド指向グラフ進化
- Authors: Igor Costa, Christopher Baran,
- Abstract要約: これは、ソフトウェアシステムが自身のソースコード、ビルドパイプライン、ドキュメント、チケットを進化させることを可能にするフレームワークです。
EvoGraphは既知のセキュリティ脆弱性の83%を修正し、93%の関数同値でJavaに翻訳し、ドキュメントの更新を2分以内に維持する。
私たちはアプローチを**evoGraph**に拡張し、.NET、Lisp、CGI、ColdFusion、レガシPython、Csの近代化に言語固有のSLMを活用しています。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: We introduce **EvoGraph**, a framework that enables software systems to evolve their own source code, build pipelines, documentation, and tickets. EvoGraph represents every artefact in a typed directed graph, applies learned mutation operators driven by specialized small language models (SLMs), and selects survivors with a multi-objective fitness. On three benchmarks, EvoGraph fixes 83% of known security vulnerabilities, translates COBOL to Java with 93% functional equivalence (test verified), and maintains documentation freshness within two minutes. Experiments show a 40% latency reduction and a sevenfold drop in feature lead time compared with strong baselines. We extend our approach to **evoGraph**, leveraging language-specific SLMs for modernizing .NET, Lisp, CGI, ColdFusion, legacy Python, and C codebases, achieving 82-96% semantic equivalence across languages while reducing computational costs by 90% compared to large language models. EvoGraph's design responds to empirical failure modes in legacy modernization, such as implicit contracts, performance preservation, and integration evolution. Our results suggest a practical path toward Software 3.0, where systems adapt continuously yet remain under measurable control.
- Abstract（参考訳）: これは、ソフトウェアシステムが自身のソースコード、ビルドパイプライン、ドキュメント、チケットを進化させることを可能にするフレームワークです。
EvoGraphは、型付き有向グラフのすべてのアーティファクトを表現し、特殊小言語モデル(SLM)によって駆動される学習突然変異演算子を適用し、多目的適合性で生存者を選択する。
3つのベンチマークで、EvoGraphは既知のセキュリティ脆弱性の83%を修正し、COBOLを93%の関数同値(テスト検証)でJavaに変換する。
実験では、強いベースラインに比べて40%のレイテンシ削減と7倍のリードタイムの低下が示されている。
アプローチを*evoGraph**に拡張し、言語固有のSLMを活用して.NETを近代化します。
NET、Lisp、CGI、ColdFusion、レガシPython、Cコードベースは、言語間で82～96%のセマンティックな等価性を達成し、大きな言語モデルと比較して計算コストを90%削減した。
EvoGraphの設計は、暗黙の契約、パフォーマンスの保存、統合の進化など、レガシーモダナイゼーションにおける経験的な失敗モードに対応している。
この結果から,システムは継続的に適応するが,測定可能な制御下に留まるソフトウェア3.0への実践的な道のりが示唆された。
関連論文リスト
- KELPS: A Framework for Verified Multi-Language Autoformalization via Semantic-Syntactic Alignment [5.295540405828356]
KELPSは、非公式データを形式言語に翻訳、合成、フィルタリングするための反復的なフレームワークである。
まず、自然言語を知識方程式(KEs)に翻訳する。
次に、構文構造と意味的意味の両方を保持する厳密に定義された規則により、ターゲット言語に変換する。
このプロセスは6万以上の問題からなる並列コーパスを生み出した。
論文 参考訳（メタデータ） (2025-07-11T15:05:06Z) - RustEvo^2: An Evolving Benchmark for API Evolution in LLM-based Rust Code Generation [28.156862491709237]
RustEvoは、大きな言語モデルがRust APIに適応する能力を評価するためのフレームワークである。
実際の課題を反映したプログラミングタスクに588のAPI変更を合成することで、データセット生成を自動化する。
最先端 (SOTA) LLM 実験では, 性能が著しく変化した。
論文 参考訳（メタデータ） (2025-03-21T07:33:59Z) - RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph [63.87660059104077]
RepoGraphは、現代のAIソフトウェアエンジニアリングソリューションのためのリポジトリレベルの構造を管理するプラグインモジュールである。
RepoGraphはすべてのシステムのパフォーマンスを大幅に向上させ、オープンソースフレームワークの間で新たな最先端技術を生み出している。
論文 参考訳（メタデータ） (2024-10-03T05:45:26Z) - Can Large Language Models Analyze Graphs like Professionals? A Benchmark, Datasets and Models [88.4320775961431]
グラフを処理するために,大規模言語モデル(LLM)のベンチマークであるProGraphを導入する。
その結果,現在のLCMの性能は不満足であり,最高のモデルでは36%の精度しか達成できないことがわかった。
本研究では,6つの広く使用されているグラフライブラリに基づいて,クローリングされたドキュメントと自動生成コードを含むLLM4Graphデータセットを提案する。
論文 参考訳（メタデータ） (2024-09-29T11:38:45Z) - GraphEval36K: Benchmarking Coding and Reasoning Capabilities of Large Language Models on Graph Datasets [19.329274124787858]
GraphEval36Kは、40のグラフコーディング問題と36,900のテストケースからなる、最初の包括的なグラフデータセットである。
我々のデータセットは8つのプライマリカテゴリと4つのサブカテゴリに分類され、異なるタイプのグラフに対する徹底的な評価が保証される。
評価フレームワークのユーザビリティ向上のために,構造化記号分解(SSD)を提案する。
SSDはGPT-4, GPT-4o, Gemini-Pro, Claude-3-Sonnetの平均通過速度を8.38%, 6.78%, 29.28%, 25.28%改善する。
論文 参考訳（メタデータ） (2024-06-23T18:01:56Z) - Input Conditioned Graph Generation for Language Agents [31.2175071107555]
言語エージェントをグラフとして抽象化する既存のフレームワークを用いて,学習可能な動的言語エージェントを開発する。
我々は与えられた入力に基づいて通信の流れを表すエッジを生成することを学び、それによって言語エージェントの内部通信を調整する。
提案手法は,MMLUとCMMLUを併用したデータセットにおいて,従来の静的アプローチを約6%の精度で上回り,疎度誘導損失のトレーニングでは10%以上の精度で適用できる。
論文 参考訳（メタデータ） (2024-06-17T13:53:15Z) - Can Language Models Solve Graph Problems in Natural Language? [51.28850846990929]
大型言語モデル (LLM) は暗黙的なグラフィカル構造を持つ様々なタスクに採用されている。
自然言語をシミュレーションするグラフベース問題解決のベンチマークであるNLGraphを提案する。
論文 参考訳（メタデータ） (2023-05-17T08:29:21Z) - GraphMAE: Self-Supervised Masked Graph Autoencoders [52.06140191214428]
本稿では,自己教師付きグラフ学習における課題を軽減するマスク付きグラフオートエンコーダGraphMAEを提案する。
我々は3つの異なるグラフ学習タスクに対して、21の公開データセットに関する広範な実験を行った。
その結果,GraphMAEはグラフオートエンコーダであり,設計に注意を払っている。
論文 参考訳（メタデータ） (2022-05-22T11:57:08Z) - GRAPE for Fast and Scalable Graph Processing and random walk-based
Embedding [0.5035217505850539]
本稿では,グラフ処理と埋め込みのためのソフトウェアリソースであるGRAPEを紹介する。
専門的でスマートなデータ構造、アルゴリズム、ランダムウォークベースのメソッドの高速な並列実装を使用することで、大きなグラフでスケールすることができる。
論文 参考訳（メタデータ） (2021-10-12T17:49:46Z) - GATE: Graph Attention Transformer Encoder for Cross-lingual Relation and
Event Extraction [107.8262586956778]
言語に依存しない文表現を学習するために、普遍的な依存解析を伴うグラフ畳み込みネットワーク(GCN)を導入する。
GCNは、長い範囲の依存関係を持つ単語をモデル化するのに苦労する。
そこで本研究では,構文的距離の異なる単語間の依存関係を学習するための自己認識機構を提案する。
論文 参考訳（メタデータ） (2020-10-06T20:30:35Z) - Heuristic Semi-Supervised Learning for Graph Generation Inspired by
Electoral College [80.67842220664231]
本稿では,新たなノードやエッジを自動的に拡張して,高密度サブグラフ内のラベル類似性を向上する,新しい前処理手法であるElectoral College(ELCO)を提案する。
テストされたすべての設定において、我々の手法はベースモデルの平均スコアを4.7ポイントの広いマージンで引き上げるとともに、常に最先端のモデルよりも優れています。
論文 参考訳（メタデータ） (2020-06-10T14:48:48Z)
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。