論文の概要: CLARA: A Developer's Companion for Code Comprehension and Analysis

• arxiv url: http://arxiv.org/abs/2509.09072v1
• Date: Thu, 11 Sep 2025 00:30:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-12 16:52:24.183365
• Title: CLARA: A Developer's Companion for Code Comprehension and Analysis
• Title（参考訳）: CLARA: コード理解と分析のための開発者のコンパニオン
• Authors: Ahmed Adnan, Mushfiqur Rahman, Saad Sakib Noor, Kazi Sakib,
• Abstract要約: CLARAは開発者や研究者がコードファイルやコードフラグメントを理解するのを支援するブラウザエクステンションである。 既存のデータセットと方法論を用いてCLARAの推論モデルを質的に評価し,10人の開発者と学術研究者による総合的なユーザスタディを実施した。 その結果,CLARAはコード理解および解析作業において有用であり,正確であり,実用的であることが示された。
• 参考スコア（独自算出の注目度）: 0.5308136763388956
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Code comprehension and analysis of open-source project codebases is a task frequently performed by developers and researchers. However, existing tools that practitioners use for assistance with such tasks often require prior project setup, lack context-awareness, and involve significant manual effort. To address this, we present CLARA, a browser extension that utilizes a state-of-the-art inference model to assist developers and researchers in: (i) comprehending code files and code fragments, (ii) code refactoring, and (iii) code quality attribute detection. We qualitatively evaluated CLARA's inference model using existing datasets and methodology, and performed a comprehensive user study with 10 developers and academic researchers to assess its usability and usefulness. The results show that CLARA is useful, accurate, and practical in code comprehension and analysis tasks. CLARA is an open-source tool available at https://github.com/SaadNoor555/CLARA_tool_demo. A video showing the full capabilities of CLARA can be found at https://youtu.be/VDKVXvIH41Q?si=qBFsmS_Y4m_9x3YH.
• Abstract（参考訳）: オープンソースプロジェクトのコードの理解と分析は、開発者や研究者が頻繁に行うタスクである。 しかし、そのようなタスクを支援するために実践者が使用している既存のツールは、しばしば事前のプロジェクト設定、コンテキスト認識の欠如、手作業の大幅な欠如を必要とする。 これを解決するために私たちは,最先端の推論モデルを利用して開発者や研究者を支援するブラウザエクステンションであるCLARAを紹介した。 (i)コードファイルとコードフラグメントの解釈 (ii)コードリファクタリング、そして (iii)コード品質属性の検出。 既存のデータセットと方法論を用いてCLARAの推論モデルを質的に評価し、10人の開発者と学術研究者と総合的なユーザスタディを行い、そのユーザビリティと有用性を評価した。 その結果,CLARAはコード理解および解析作業において有用であり,正確であり,実用的であることが示された。 CLARAはhttps://github.com/SaadNoor555/CLARA_tool_demoで入手できるオープンソースツールである。 CLARAの全機能を示すビデオはhttps://youtu.be/VDKVXvIH41Q? si=qBFsmS_Y4m_9x3YH。

関連論文リスト

• ToolCoder: A Systematic Code-Empowered Tool Learning Framework for Large Language Models [81.12673534903979]
  ツール学習は、大規模な言語モデル(LLM)にとって、外部ツールとのインタラクションを通じて、複雑な現実世界のタスクを解決する重要な機能として登場した。 本稿では,ツール学習をコード生成タスクとして再編成する新しいフレームワークであるToolCoderを提案する。
  論文  参考訳（メタデータ） (2025-02-17T03:42:28Z)
• SURGE: On the Potential of Large Language Models as General-Purpose Surrogate Code Executors [5.247363735860479]
  大規模言語モデル(LLM)は、コードに関連するタスクにおいて顕著な機能を示した。 LLMが多様なプログラムを理解し処理する能力を考えると、汎用的なサロゲートモデルを構築する上で有望な方向性を示す。 SURGEは、1160ドル(約1万1000円)の価格問題で、8ドル(約8万3000円)の鍵となる側面をカバーしたベンチマークです。 オープンソースおよびプロプライエタリ LLM の実証分析を通じて,スケーリング法則,データ効率,予測精度を検討した。
  論文  参考訳（メタデータ） (2025-02-16T15:38:19Z)
• Codellm-Devkit: A Framework for Contextualizing Code LLMs with Program Analysis Insights [9.414198519543564]
  codellm-devkit (以下, CLDK') は,プログラム解析のプロセスを大幅に単純化したオープンソースライブラリである。 CLDKは開発者に対して直感的でユーザフレンドリなインターフェースを提供しています。
  論文  参考訳（メタデータ） (2024-10-16T20:05:59Z)
• Code Compass: A Study on the Challenges of Navigating Unfamiliar Codebases [2.808331566391181]
  これらの問題に対処するための新しいツールであるCodeを提案する。 本研究は,現在のツールと方法論における大きなギャップを浮き彫りにしている。 私たちのフォーマティブな調査は、開発者がドキュメントをナビゲートする時間をいかに効率的に削減するかを示しています。
  論文  参考訳（メタデータ） (2024-05-10T06:58:31Z)
• Creating a Trajectory for Code Writing: Algorithmic Reasoning Tasks [0.923607423080658]
  本稿では,楽器とその検証に用いる機械学習モデルについて述べる。 我々は,学期最後の週に導入プログラミングコースで収集したデータを用いてきた。 先行研究は、ARTタイプの楽器を特定の機械学習モデルと組み合わせて効果的な学習軌道として機能させることができることを示唆している。
  論文  参考訳（メタデータ） (2024-04-03T05:07:01Z)
• CLOVA: A Closed-Loop Visual Assistant with Tool Usage and Update [69.59482029810198]
  CLOVAは、推論、リフレクション、学習フェーズを含むフレームワーク内で動作するクローズドループビジュアルアシスタントである。 その結果,CLOVAは既存のツール利用手法を5%,知識タグ付けでは10%,画像編集では20%,視覚的質問応答や複数画像推論では5%に上回っていることがわかった。
  論文  参考訳（メタデータ） (2023-12-18T03:34:07Z)
• Collaborative, Code-Proximal Dynamic Software Visualization within Code Editors [55.57032418885258]
  本稿では,コードエディタに組み込むソフトウェアビジュアライゼーション手法の設計と実装について紹介する。 私たちのコントリビューションは、ソフトウェアシステムの実行時の動作の動的解析を使用するという点で、関連する作業と異なります。 私たちの視覚化アプローチは、一般的なリモートペアプログラミングツールを強化し、共有コード都市を利用することで協調的に使用できます。
  論文  参考訳（メタデータ） (2023-08-30T06:35:40Z)
• Using an LLM to Help With Code Understanding [13.53616539787915]
  大規模言語モデル(LLM)は、コードを書くプロセスに革命をもたらしています。 プラグインはOpenAIのGPT-3.5-turboモデルに対して,ユーザが明示的なプロンプトを書かなくても4つの高レベルリクエストをクエリする。 本システムの評価は,32名の被験者を対象に行ったユーザスタディで行われ,本プラグインがWeb検索よりもタスク完了に有効であることが確認された。
  論文  参考訳（メタデータ） (2023-07-17T00:49:06Z)
• CausalVLR: A Toolbox and Benchmark for Visual-Linguistic Causal Reasoning [107.81733977430517]
  CausalVLR(Causal Visual-Linguistic Reasoning)は、最先端の因果関係の発見と因果推論方法の豊富なセットを含むオープンソースのツールボックスである。 これらのメソッドはNVIDIAコンピューティングシステムの下でPyTorchを実装したツールボックスに含まれている。
  論文  参考訳（メタデータ） (2023-06-30T08:17:38Z)
• KILT: a Benchmark for Knowledge Intensive Language Tasks [102.33046195554886]
  知識集約型言語タスク(KILT)のベンチマークを示す。 KILTのすべてのタスクはウィキペディアのスナップショットと同じだ。 共有密度ベクトル指数とSeq2seqモデルとの結合が強いベースラインであることが分かる。
  論文  参考訳（メタデータ） (2020-09-04T15:32:19Z)

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。