論文の概要: RepoTransAgent: Multi-Agent LLM Framework for Repository-Aware Code Translation

• arxiv url: http://arxiv.org/abs/2508.17720v1
• Date: Mon, 25 Aug 2025 06:56:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.667719
• Title: RepoTransAgent: Multi-Agent LLM Framework for Repository-Aware Code Translation
• Title（参考訳）: RepoTransAgent:リポジトリ対応コード翻訳のためのマルチエージェントLLMフレームワーク
• Authors: Ziqi Guan, Xin Yin, Zhiyuan Peng, Chao Ni,
• Abstract要約: RepoTransAgentはリポジトリ対応コード翻訳のための新しいマルチエージェントフレームワークである。 RepoTransAgentを6つの人気のあるオープンソースプロジェクトから数百のJava-C#の翻訳ペアで評価する。
• 参考スコア（独自算出の注目度）: 6.2036957709296665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Repository-aware code translation is critical for modernizing legacy systems, enhancing maintainability, and enabling interoperability across diverse programming languages. While recent advances in large language models (LLMs) have improved code translation quality, existing approaches face significant challenges in practical scenarios: insufficient contextual understanding, inflexible prompt designs, and inadequate error correction mechanisms. These limitations severely hinder accurate and efficient translation of complex, real-world code repositories. To address these challenges, we propose RepoTransAgent, a novel multi-agent LLM framework for repository-aware code translation. RepoTransAgent systematically decomposes the translation process into specialized subtasks-context retrieval, dynamic prompt construction, and iterative code refinement-each handled by dedicated agents. Our approach leverages retrieval-augmented generation (RAG) for contextual information gathering, employs adaptive prompts tailored to varying repository scenarios, and introduces a reflection-based mechanism for systematic error correction. We evaluate RepoTransAgent on hundreds of Java-C# translation pairs from six popular open-source projects. Experimental results demonstrate that RepoTransAgent significantly outperforms state-of-the-art baselines in both compile and pass rates. Specifically, RepoTransAgent achieves up to 55.34% compile rate and 45.84% pass rate. Comprehensive analysis confirms the robustness and generalizability of RepoTransAgent across different LLMs, establishing its effectiveness for real-world repository-aware code translation.
• Abstract（参考訳）: リポジトリ対応のコード翻訳は、レガシーシステムの近代化、保守性の向上、多様なプログラミング言語間の相互運用性の実現に不可欠である。 大規模言語モデル(LLM)の最近の進歩はコード翻訳の品質を改善しているが、既存のアプローチは、文脈理解の不十分、柔軟性のないプロンプト設計、エラー訂正機構の不十分といった、現実的なシナリオにおいて重大な課題に直面している。 これらの制限は、複雑な実世界のコードリポジトリの正確で効率的な翻訳を著しく妨げます。 これらの課題に対処するため、リポジトリ対応コード翻訳のための新しいマルチエージェントLLMフレームワークであるRepoTransAgentを提案する。 RepoTransAgentは、翻訳プロセスを、特別なサブタスク-コンテキスト検索、動的プロンプト構築、そして専用のエージェントによって処理される反復的なコードリファインメント-eachに体系的に分解する。 提案手法では,検索拡張生成(RAG)をコンテキスト情報収集に活用し,様々なリポジトリシナリオに適した適応的プロンプトを導入し,システム的エラー訂正のためのリフレクションに基づく機構を導入する。 RepoTransAgentを6つの人気のあるオープンソースプロジェクトから数百のJava-C#の翻訳ペアで評価する。 実験の結果、RepoTransAgentはコンパイル率とパスレートの両方で最先端のベースラインを大幅に上回っていることがわかった。 具体的には、RepoTransAgentはコンパイルレート55.34%、パスレート45.84%に達する。 包括的解析により、RepoTransAgentの様々なLLM間の堅牢性と一般化性が確認され、実世界のリポジトリ対応コード翻訳の有効性が確立される。

関連論文リスト

• Augmenting Multi-Agent Communication with State Delta Trajectory [31.127137626348098]
  本稿では,自然言語トークンとトークンワイド状態遷移トラジェクトリの両方をひとつのエージェントから別のエージェントに転送する新しい通信プロトコルを提案する。 それぞれのトークンを生成した後のLSMの状態変化のシーケンスは、推論プロセスの裏側に隠された情報をよりよく反映できることがわかった。 実験の結果,SDEを用いたマルチエージェントシステムでは,他の通信プロトコルと比較してSOTAの性能が向上していることがわかった。
  論文  参考訳（メタデータ） (2025-06-24T00:38:25Z)
• AlphaTrans: A Neuro-Symbolic Compositional Approach for Repository-Level Code Translation and Validation [5.269923665485903]
  リポジトリレベルのコード翻訳を自動化するニューロシンボリックアプローチであるAlphaTransを提案する。 AlphaTransを利用して,836,8575,2719>クラス,メソッド,テストからなる10の実世界のオープンソースプロジェクトを翻訳しました。
  論文  参考訳（メタデータ） (2024-10-31T16:46:52Z)
• CRAT: A Multi-Agent Framework for Causality-Enhanced Reflective and Retrieval-Augmented Translation with Large Language Models [59.8529196670565]
  CRATは、RAGと因果強化自己回帰を利用して翻訳課題に対処する、新しいマルチエージェント翻訳フレームワークである。 以上の結果からCRATは翻訳精度を著しく向上させ,特に文脈に敏感な単語や語彙の出現に寄与することが示唆された。
  論文  参考訳（メタデータ） (2024-10-28T14:29:11Z)
• DelTA: An Online Document-Level Translation Agent Based on Multi-Level Memory [96.35468670508476]
  大規模言語モデル(LLM)のための文書レバレッジ翻訳エージェントであるDelTAを紹介する。 DelTAは、様々な粒度とスパンにまたがる情報を格納するマルチレベルメモリ構造を備えている。 実験結果から,DelTAは翻訳の一貫性や品質において,強いベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2024-10-10T17:30:09Z)
• TRANSAGENT: An LLM-Based Multi-Agent System for Code Translation [16.46292795782835]
  コード翻訳は、ソフトウェアマイグレーション、システムアブレーション、クロスプラットフォーム開発に不可欠である。 従来のルールベースのメソッドは手書きのルールに依存している。 最近では、LLM(Large Language Models)の進歩により、学習ベースのコード翻訳がさらに強化されている。 本稿では,構文誤りや意味的誤りを解消し,LLMに基づくコード翻訳を強化した新しいマルチエージェントシステムTransagENTを提案する。
  論文  参考訳（メタデータ） (2024-09-30T02:53:03Z)
• (Perhaps) Beyond Human Translation: Harnessing Multi-Agent Collaboration for Translating Ultra-Long Literary Texts [56.7988577327046]
  翻訳企業の役割と協調の実践をシミュレートする,新しいマルチエージェントフレームワークであるTransAgentsを紹介する。 本研究は,翻訳品質の向上,特にテキストの長文化におけるマルチエージェント協調の可能性を明らかにするものである。
  論文  参考訳（メタデータ） (2024-05-20T05:55:08Z)
• Exploring and Unleashing the Power of Large Language Models in Automated Code Translation [40.25727029618665]
  本稿では,自動翻訳タスクのための多種多様なLLMと学習ベーストランスパイラについて検討する。 UniTrans は、様々な LLM に適用可能な統一コード翻訳フレームワークである。 最近の3つのLLMはUniTransでテストされており、いずれも大幅に改善されている。
  論文  参考訳（メタデータ） (2024-04-23T00:49:46Z)
• ML-Bench: Evaluating Large Language Models and Agents for Machine Learning Tasks on Repository-Level Code [76.84199699772903]
  ML-Benchは、既存のコードリポジトリを利用してタスクを実行する現実世界のプログラミングアプリケーションに根ざしたベンチマークである。 LLM(Large Language Model)とAIエージェントの両方を評価するために、事前に定義されたデプロイメント環境でLLMのテキスト-コード変換を評価するML-LLM-Benchと、Linuxサンドボックス環境でエンドツーエンドのタスク実行で自律エージェントをテストするML-Agent-Benchの2つの設定が採用されている。
  論文  参考訳（メタデータ） (2023-11-16T12:03:21Z)

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。