論文の概要: Agentic Specification Generator for Move Programs
- arxiv url: http://arxiv.org/abs/2509.24515v1
- Date: Mon, 29 Sep 2025 09:34:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-30 22:32:19.899101
- Title: Agentic Specification Generator for Move Programs
- Title（参考訳）: 移動プログラムのためのエージェント仕様生成装置
- Authors: Yu-Fu Fu, Meng Xu, Taesoo Kim,
- Abstract要約: 我々は、Moveスマートコントラクト用に設計された自動仕様生成ツールであるMSGを紹介する。
MSGは、テストされたMove関数の84%の検証可能な仕様を生成することに成功した。
- 参考スコア（独自算出の注目度）: 7.476596680712599
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: While LLM-based specification generation is gaining traction, existing tools primarily focus on mainstream programming languages like C, Java, and even Solidity, leaving emerging and yet verification-oriented languages like Move underexplored. In this paper, we introduce MSG, an automated specification generation tool designed for Move smart contracts. MSG aims to highlight key insights that uniquely present when applying LLM-based specification generation to a new ecosystem. Specifically, MSG demonstrates that LLMs exhibit robust code comprehension and generation capabilities even for non-mainstream languages. MSG successfully generates verifiable specifications for 84% of tested Move functions and even identifies clauses previously overlooked by experts. Additionally, MSG shows that explicitly leveraging specification language features through an agentic, modular design improves specification quality substantially (generating 57% more verifiable clauses than conventional designs). Incorporating feedback from the verification toolchain further enhances the effectiveness of MSG, leading to a 30% increase in generated verifiable specifications.
- Abstract（参考訳）: LLMベースの仕様生成が注目を集めている一方で、既存のツールはC、Java、さらにはSolidityといったメインストリームのプログラミング言語に重点を置いており、Moveのような新規で検証指向の言語は過小評価されている。
本稿では,モーブスマートコントラクト用に設計された仕様自動生成ツールMSGを紹介する。
MSG は LLM ベースの仕様生成を新たなエコシステムに適用する上で,ユニークな重要な洞察を浮き彫りにすることを目指している。
特にMSGは、LLMが非メインストリーム言語に対しても堅牢なコード理解と生成能力を示すことを示した。
MSGは、テストされたMove関数の84%の検証可能な仕様を正常に生成し、これまで専門家が見落としていた条項を識別する。
さらに、MSGは、エージェント的でモジュール化された設計によって仕様言語の特徴を明示的に活用することで、仕様の品質を大幅に向上させる(従来の設計よりも57%高い検証可能な節を生成する)。
検証ツールチェーンからのフィードバックを取り入れることで、MSGの有効性がさらに向上し、生成された検証可能な仕様が30%向上する。
関連論文リスト
- Aligning Requirement for Large Language Model's Code Generation [9.205909320363247]
Specineは、大規模言語モデル(LLM)コード生成のための新しい仕様アライメント技術である。
その鍵となる考え方は、不整合入力仕様を特定し、LLMが認識した仕様を引き上げ、LLMのコード生成性能を高めるためにそれらを整合させることである。
例えば、Specineは最も効果的なベースラインを上回り、Pass@1ですべての被験者の平均29.60%の改善を達成した。
論文 参考訳（メタデータ） (2025-09-01T09:56:13Z) - Masked Language Models are Good Heterogeneous Graph Generalizers [54.08788279971086]
LLM4HGと呼ばれるマスケ言語モデリング手法
HGトークンの代わりにメタパスベースのシーケンスを使用して、構造的および意味的な情報を抽出する。
論文 参考訳（メタデータ） (2025-06-06T15:21:24Z) - Enhancing Large Language Models (LLMs) for Telecommunications using Knowledge Graphs and Retrieval-Augmented Generation [52.8352968531863]
大規模言語モデル(LLM)は、汎用自然言語処理タスクにおいて大きな進歩を遂げている。
本稿では,知識グラフ(KG)と検索拡張生成(RAG)技術を組み合わせた新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-31T15:58:08Z) - GLLM: Self-Corrective G-Code Generation using Large Language Models with User Feedback [0.0]
GLLMは、ヒューマン可読なタスク記述とマシン実行可能なコードの間のギャップを埋めることによって、手作業によるGコード記述の課題に対処する。
Systemには、ドメイン固有のトレーニングデータとRetrieval-Augmented Generation (RAG)メカニズムによって強化された、微調整されたStarCoder-3Bモデルが含まれている。
論文 参考訳（メタデータ） (2025-01-29T11:40:46Z) - Context Conquers Parameters: Outperforming Proprietary LLM in Commit Message Generation [4.400274233826898]
オープンソースのLarge Language Modelsは、OMGが生成したものに匹敵するコミットメッセージを生成することができる。
4ビット量子化8BオープンソースLLMを用いたCMG手法であるlOcal MessagE GenerAtorを提案する。
論文 参考訳（メタデータ） (2024-08-05T14:26:41Z) - GSVA: Generalized Segmentation via Multimodal Large Language Models [72.57095903188922]
Generalized Referring Expression (GRES)は、従来のRESの範囲を拡張して、1つの式で複数のオブジェクトを参照したり、画像に存在しない空のターゲットを特定する。
セグメンテーションMLLMは、ユーザが特定のプロンプトで複数の主題を参照するケースを正しく扱えないため、現在のGRESの解決策は満足できないままである。
本稿では,このギャップに対処する汎用ビジョンアシスタント(GSVA)を提案する。
論文 参考訳（メタデータ） (2023-12-15T02:54:31Z)
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。