論文の概要: Enhancing Semantic Understanding in Pointer Analysis using Large Language Models

• arxiv url: http://arxiv.org/abs/2508.21454v1
• Date: Fri, 29 Aug 2025 09:37:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-01 19:45:10.99205
• Title: Enhancing Semantic Understanding in Pointer Analysis using Large Language Models
• Title（参考訳）: 大規模言語モデルを用いたポインタ解析における意味的理解の促進
• Authors: Baijun Cheng, Kailong Wang, Ling Shi, Haoyu Wang, Yao Guo, Ding Li, Xiangqun Chen,
• Abstract要約: 我々は,LLMをポインタ解析に統合し,精度とスケーラビリティを両立させるビジョンであるLMPA(LLM-enhanced Pointer Analysis)を提案する。 LMPAは、システムAPIに類似したユーザ定義関数を識別し、それに従ってモデル化する。
• 参考スコア（独自算出の注目度）: 15.896543462798276
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Pointer analysis has been studied for over four decades. However, existing frameworks continue to suffer from the propagation of incorrect facts. A major limitation stems from their insufficient semantic understanding of code, resulting in overly conservative treatment of user-defined functions. Recent advances in large language models (LLMs) present new opportunities to bridge this gap. In this paper, we propose LMPA (LLM-enhanced Pointer Analysis), a vision that integrates LLMs into pointer analysis to enhance both precision and scalability. LMPA identifies user-defined functions that resemble system APIs and models them accordingly, thereby mitigating erroneous cross-calling-context propagation. Furthermore, it enhances summary-based analysis by inferring initial points-to sets and introducing a novel summary strategy augmented with natural language. Finally, we discuss the key challenges involved in realizing this vision.
• Abstract（参考訳）: ポインタ分析は40年以上にわたって研究されてきた。 しかし、既存のフレームワークは、誤った事実の伝播に悩まされ続けている。 大きな制限は、コードのセマンティックな理解が不十分であることに起因し、ユーザ定義関数の過度に保守的な処理をもたらす。 大規模言語モデル(LLM)の最近の進歩は、このギャップを埋める新たな機会を提供する。 本稿では,LLMをポインタ解析に統合し,精度とスケーラビリティを両立させるビジョンであるLMPA(LLM-enhanced Pointer Analysis)を提案する。 LMPAは、システムAPIに類似したユーザ定義関数を識別し、それに従ってモデル化する。 さらに、初期点集合を推定し、自然言語を付加した新しい要約戦略を導入することにより、要約に基づく分析を強化する。 最後に、このビジョンを実現する上での課題について論じる。

関連論文リスト

• Quantization Meets dLLMs: A Systematic Study of Post-training Quantization for Diffusion LLMs [54.70676039314542]
  本稿では拡散に基づく言語モデルの定量化に関する最初の体系的研究について述べる。 異常に大きなアクティベーション値によって特徴付けられるアクティベーションアウトリーチの存在を同定する。 我々は、最先端のPTQ手法を実装し、複数のタスクタイプとモデル変種を包括的に評価する。
  論文  参考訳（メタデータ） (2025-08-20T17:59:51Z)
• Retrieval-Augmented Semantic Parsing: Improving Generalization with Lexical Knowledge [6.948555996661213]
  本稿では,Retrieval-Augmented Semantic Parsing (RASP)を紹介する。 実験の結果,LLMはセマンティック解析において,従来のエンコーダ・デコーダベースラインよりも優れていることがわかった。 RASPはさらに、目に見えない概念を予測する能力を強化し、アウト・オブ・ディストリビューションの概念で以前のモデルのパフォーマンスをほぼ2倍にします。
  論文  参考訳（メタデータ） (2024-12-13T15:30:20Z)
• Aggregation Artifacts in Subjective Tasks Collapse Large Language Models' Posteriors [74.04775677110179]
  In-context Learning (ICL) は、Large Language Models (LLM) を用いた自然言語処理の主要な手法となっている。 本研究は,低アグリゲーション,異質なアノテーションを組み合わせたアグリゲーションの結果が,プロンプトに有害なノイズを生じさせるアノテーションのアーティファクトに繋がるかどうかを考察する。 この結果から,アグリゲーションは主観的タスクのモデル化において不明瞭な要因であり,代わりに個人をモデリングすることを重視することが示唆された。
  論文  参考訳（メタデータ） (2024-10-17T17:16:00Z)
• From Linguistic Giants to Sensory Maestros: A Survey on Cross-Modal Reasoning with Large Language Models [56.9134620424985]
  クロスモーダル推論(CMR)は、より高度な人工知能システムへの進化における重要な能力として、ますます認識されている。 CMRタスクに取り組むためにLLM(Large Language Models)をデプロイする最近のトレンドは、その有効性を高めるためのアプローチの新たな主流となっている。 本調査では,LLMを用いてCMRで適用された現在の方法論を,詳細な3階層分類に分類する。
  論文  参考訳（メタデータ） (2024-09-19T02:51:54Z)
• Semantic-Enhanced Indirect Call Analysis with Large Language Models [14.517268546437917]
  本稿では,間接的呼分析の有効性を高めるためにセマンティック・エンハンスメント・アナリティクス(SEA)を提案する。 一般的なプログラミングのプラクティスでは、間接呼び出しは、しばしば呼び出されたターゲットとセマンティックな類似性を示す。 SEAは、複数の視点から間接呼び出しとターゲット関数の両方の自然言語要約を生成する。
  論文  参考訳（メタデータ） (2024-08-08T10:04:50Z)
• Chain of Stance: Stance Detection with Large Language Models [3.528201746844624]
  スタンス検出は自然言語処理(NLP)におけるアクティブタスクである 我々は、Stance (CoS) の textitChain と呼ばれる新しいプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2024-08-03T16:30:51Z)
• MR-GSM8K: A Meta-Reasoning Benchmark for Large Language Model Evaluation [60.65820977963331]
  大規模言語モデル(LLM)のための新しい評価パラダイムを導入する。 このパラダイムは、しばしば推論プロセスを無視する結果指向の評価から、より包括的な評価へと重点を移す。 GSM8Kデータセットにこのパラダイムを適用し,MR-GSM8Kベンチマークを開発した。
  論文  参考訳（メタデータ） (2023-12-28T15:49:43Z)

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。