論文の概要: LitterBox+: An Extensible Framework for LLM-enhanced Scratch Static Code Analysis

• arxiv url: http://arxiv.org/abs/2509.12021v1
• Date: Mon, 15 Sep 2025 15:01:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.357431
• Title: LitterBox+: An Extensible Framework for LLM-enhanced Scratch Static Code Analysis
• Title（参考訳）: LitterBox+: LLM拡張スクラッチ静的コード解析のための拡張可能なフレームワーク
• Authors: Benedikt Fein, Florian Obermüller, Gordon Fraser,
• Abstract要約: 大規模言語モデル(LLM)は、従来のテキストベースのプログラミング言語を使用する開発者を支援するために欠かせないツールとなっている。 本稿では,Scratch 静的コード解析ツール LitterBox を拡張した LitterBox+ フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 9.971952219210754
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models (LLMs) have become an essential tool to support developers using traditional text-based programming languages, but the graphical notation of the block-based Scratch programming environment inhibits the use of LLMs. To overcome this limitation, we propose the LitterBox+ framework that extends the Scratch static code analysis tool LitterBox with the generative abilities of LLMs. By converting block-based code to a textual representation suitable for LLMs, LitterBox+ allows users to query LLMs about their programs, about quality issues reported by LitterBox, and it allows generating code fixes. Besides offering a programmatic API for these functionalities, LitterBox+ also extends the Scratch user interface to make these functionalities available directly in the environment familiar to learners. The framework is designed to be easily extensible with other prompts, LLM providers, and new features combining the program analysis capabilities of LitterBox with the generative features of LLMs. We provide a screencast demonstrating the tool at https://youtu.be/RZ6E0xgrIgQ.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、従来のテキストベースのプログラム言語を使用する開発者を支援するために欠かせないツールとなっているが、ブロックベースのScratchプログラミング環境のグラフィカルな表記は、LLMの使用を妨げている。 この制限を克服するために,Scratch 静的コード解析ツール LitterBox を拡張した LitterBox+ フレームワークを提案する。 ブロックベースのコードを LLM に適したテキスト表現に変換することで、LitterBox+ は、LitterBox が報告した品質問題に関して LLM をクエリし、コード修正を生成することができる。 これらの機能のためのプログラムAPIを提供するだけでなく、LitterBox+はScratchユーザインターフェイスを拡張して、これらの機能を学習者になじみのある環境で直接利用できるようにする。 このフレームワークは、他のプロンプト、LLMプロバイダ、およびLitterBoxのプログラム分析機能とLLMの生成機能を組み合わせた新機能と容易に拡張できるように設計されている。 ツールをデモするスクリーンキャストをhttps://youtu.be/RZ6E0xgrIgQ.comで公開しています。

関連論文リスト

• LLM Enhancer: Merged Approach using Vector Embedding for Reducing Large Language Model Hallucinations with External Knowledge [0.0]
  大規模言語モデル(LLM)は、様々なタスクにまたがる自然な応答を生成する能力を実証した。 本稿では,Google,Wikipedia,DuckDuckGoなどの複数のオンラインソースを統合して,データの精度を向上させるLLM ENHANCERシステムを提案する。
  論文  参考訳（メタデータ） (2025-04-29T19:27:04Z)
• Multi-Programming Language Sandbox for LLMs [78.99934332554963]
  大規模言語モデル(LLM)用のコンパイラと分析ツールから統一的で包括的なフィードバックを提供するように設計された、アウト・オブ・ザ・ボックスのマルチプログラミング言語サンドボックス コードのプログラミング言語を自動的に識別し、独立したサブサンドボックス内でコンパイルして実行することで、安全性と安定性を確保することができる。
  論文  参考訳（メタデータ） (2024-10-30T14:46:43Z)
• PDL: A Declarative Prompt Programming Language [1.715270928578365]
  本稿では,PDL(Prompt Declaration Language)を紹介する。 PDLは単純な宣言型データ指向言語であり、YAMLに基づいたプロンプトを前面に配置する。 大規模な言語モデル(LLM)やツールを呼び出すインタラクティブなアプリケーションの記述をサポートし、チャットボットやRAG、エージェントといった一般的なユースケースの実装を容易にする。
  論文  参考訳（メタデータ） (2024-10-24T20:07:08Z)
• 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)
• Guiding LLM to Fool Itself: Automatically Manipulating Machine Reading Comprehension Shortcut Triggers [76.77077447576679]
  真のラベルに急激な相関関係を持つ機能によって引き起こされるショートカットは、機械読み取り(MRC)システムに対する潜在的な脅威として現れている。 サンプルにショートカットトリガーを追加するためのエディタをガイドするフレームワークを導入します。 GPT4をエディタとして使うと、LCMを騙すサンプルのトリガショートカットをうまく編集できる。
  論文  参考訳（メタデータ） (2023-10-24T12:37:06Z)
• Low-code LLM: Graphical User Interface over Large Language Models [115.08718239772107]
  本稿では,人間-LLMインタラクションフレームワークであるLow-code LLMを紹介する。 より制御可能で安定した応答を実現するために、6種類のシンプルなローコードビジュアルプログラミングインタラクションを組み込んでいる。 ユーザフレンドリなインタラクション,制御可能な生成,広い適用性という,低コード LLM の3つの利点を強調した。
  論文  参考訳（メタデータ） (2023-04-17T09:27:40Z)
• Check Your Facts and Try Again: Improving Large Language Models with External Knowledge and Automated Feedback [127.75419038610455]
  大規模言語モデル(LLM)は、ダウンストリームタスクの多くに対して、人間のような、流動的な応答を生成することができる。 本稿では,プラグ・アンド・プレイモジュールのセットでブラックボックスのLSMを増強するLSM-Augmenterシステムを提案する。
  論文  参考訳（メタデータ） (2023-02-24T18:48:43Z)

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。