Fugu-MT 論文翻訳(概要): LLM Agents for Automated Dependency Upgrades

論文の概要: LLM Agents for Automated Dependency Upgrades

arxiv url: http://arxiv.org/abs/2510.03480v1
Date: Fri, 03 Oct 2025 19:57:10 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-07 16:52:59.065291
Title: LLM Agents for Automated Dependency Upgrades
Title（参考訳）: 自動依存関係更新のためのLCMエージェント
Authors: Vali Tawosi, Salwa Alamir, Xiaomo Liu, Manuela Veloso,
Abstract要約: LLMエージェントのフレームワークを導入し、コード更新を自動的に推奨し、適用し、新しいバージョンとの互換性を確保する。私たちのソリューションは、更新されたライブラリをライブJavaで自動的にローカライズし、推奨された修正をユーザフレンドリーな方法で実装できます。その結果,提案手法はトークンの少ないアップグレードを行うだけでなく,71.4%の精度を実現し,最先端手法と比較して効率と有効性を強調した。
参考スコア（独自算出の注目度）: 14.958375551367132
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: As a codebase expands over time, its library dependencies can become outdated and require updates to maintain innovation and security. However, updating a library can introduce breaking changes in the code, necessitating significant developer time for maintenance. To address this, we introduce a framework of LLM agents to be used in combination with migration documentation to automatically recommend and apply code updates and ensure compatibility with new versions. Our solution can automatically localize updated library usages in live Java codebases and implement recommended fixes in a user-friendly manner. The system architecture consists of multiple key components: a Summary Agent, Control Agent, and Code Agent. To validate our approach, we apply the framework on an industrial use case by which we create three synthetic code repositories with major Upgrade changes and benchmark our approach against state-of-the-art methods. Results show that our approach not only performs upgrades using fewer tokens across all cases but also achieves a precision of 71.4%, highlighting its efficiency and effectiveness compared to state-of-the-art methods.
Abstract（参考訳）: コードベースが時間とともに拡大するにつれて、ライブラリの依存関係は時代遅れになり、イノベーションとセキュリティを維持するためにアップデートが必要になる。しかし、ライブラリの更新はコードの破壊的な変更を導入し、メンテナンスにかなりの時間を要する。これを解決するために、マイグレーションドキュメントと組み合わせて使用するLLMエージェントのフレームワークを導入し、コードの更新を自動的に推奨し、適用し、新しいバージョンとの互換性を確保する。私たちのソリューションは、更新されたライブラリの使用をライブJavaコードベースで自動的にローカライズし、推奨された修正をユーザフレンドリーな方法で実装できます。システムアーキテクチャは、概要エージェント、制御エージェント、コードエージェントという、複数のキーコンポーネントで構成されている。当社のアプローチを検証するために,本フレームワークを産業用ユースケースに適用し,大規模なアップグレード変更を伴う3つの合成コードリポジトリを作成し,最先端メソッドに対するアプローチをベンチマークする。その結果,全ケースで少ないトークンでアップグレードを行うだけでなく,71.4%の精度を実現し,最先端手法と比較して効率と有効性を強調した。

関連論文リスト

Code2MCP: Transforming Code Repositories into MCP Services [53.234097255779744]
Model Context Protocol (MCP)は、大規模言語モデルがどのようにツールを使用するかの標準を作成することを目的としている。私たちは、GitHubリポジトリを機能的なMSPサービスに自動的に変換するエージェントベースのフレームワークであるCode2MCPを紹介します。 Code2MCPはバイオインフォマティクス、数学、流体力学などの科学分野におけるオープンソースの計算ライブラリの変換に成功している。
論文参考訳（メタデータ） (2025-09-07T06:13:25Z)
AgentScope 1.0: A Developer-Centric Framework for Building Agentic Applications [95.42093979627703]
AgentScopeは柔軟で効率的なツールベースのエージェント環境インタラクションをサポートする。エージェントの動作をReActパラダイムに基盤として,エージェントレベルの高度なインフラストラクチャを提供します。 AgentScopeには、開発者フレンドリーなエクスペリエンスのための堅牢なエンジニアリングサポートも含まれている。
論文参考訳（メタデータ） (2025-08-22T10:35:56Z)
Context Engineering for Multi-Agent LLM Code Assistants Using Elicit, NotebookLM, ChatGPT, and Claude Code [0.0]
大規模言語モデル(LLM)は、コード生成とソフトウェアエンジニアリングタスクの自動化において有望であることを示しているが、コンテキスト制限と知識ギャップのため、複雑なマルチファイルプロジェクトに苦戦することが多い。ユーザ要求を明確にするIntent Translator (GPT-5)、ドメイン知識を注入するElicitを利用したセマンティック文献検索、コンテキスト理解のためのNotebookLMベースの文書合成、コード生成と検証のためのClaude Codeマルチエージェントシステムなど、複数のAIコンポーネントを組み合わせた新しいコンテキストエンジニアリングワークフローを提案する。
論文参考訳（メタデータ） (2025-08-09T14:45:53Z)
CompileAgent: Automated Real-World Repo-Level Compilation with Tool-Integrated LLM-based Agent System [52.048087777953064]
リポジトリレベルのコンパイル専用のエージェントフレームワークであるCompileAgentを提案する。 CompileAgentは5つのツールとフローベースのエージェント戦略を統合し、コンパイル命令検索とエラー解決のためのソフトウェアアーチファクトとのインタラクションを可能にする。提案手法は,10%から71%の範囲で,コンパイル成功率を大幅に向上することを示す。
論文参考訳（メタデータ） (2025-05-07T08:59:14Z)
Autonomous Legacy Web Application Upgrades Using a Multi-Agent System [3.456157428615978]
自動コード生成のための大規模言語モデル(LLM)が新興技術で注目を集めている。多くの時代遅れのWebアプリケーションは、セキュリティと信頼性の課題を引き起こすが、アップグレードの複雑さとコストのために、企業はそれを使い続けている。従来のWebアプリケーションを最新バージョンに自律的にアップグレードするLLMベースのマルチエージェントシステムを提案する。
論文参考訳（メタデータ） (2025-01-31T15:14:14Z)
ContextModule: Improving Code Completion via Repository-level Contextual Information [11.459065573651348]
ContextModuleは生成されたコードの関連性と精度を改善する。我々は,実世界のコーディング環境における遅延制約を満たすために,インデックスキャッシングなどの性能最適化を実装した。
論文参考訳（メタデータ） (2024-12-11T03:15:49Z)
Linking Code and Documentation Churn: Preliminary Analysis [2.033674689332928]
本研究では,GitHubの3つのオープンソースプロジェクトにおけるコードチャーンとドキュメント更新の同期について検討する。予備的な結果は、プロジェクト間で異なる同期度を示し、統合された並行ドキュメントプラクティスの重要性を強調します。この研究の斬新さは、コードの変更とドキュメントの更新を同期させることが、多様性と効率を向上させることで、開発ライフサイクルをいかに改善できるかを示すことである。
論文参考訳（メタデータ） (2024-10-08T12:41:58Z)
CodeUpdateArena: Benchmarking Knowledge Editing on API Updates [77.81663273436375]
コードドメインの知識編集のためのベンチマークであるCodeUpdateArenaを提示する。私たちのベンチマークのインスタンスは、プログラム合成例と組み合わせた合成API関数のアップデートで構成されています。ベンチマークでは、7つのPythonパッケージから54の関数へ、さまざまなタイプの更新をカバーしています。
論文参考訳（メタデータ） (2024-07-08T17:55:04Z)
RepoAgent: An LLM-Powered Open-Source Framework for Repository-level Code Documentation Generation [79.83270415843857]
コードドキュメンテーションを積極的に生成、保守、更新することを目的とした、大規模な言語モデルによるオープンソースフレームワークであるRepoAgentを紹介します。 RepoAgentは高品質なリポジトリレベルのドキュメントを生成するのに優れています。
論文参考訳（メタデータ） (2024-02-26T15:39:52Z)
Automatically Recommend Code Updates: Are We There Yet? [14.997510035210842]
本稿では,コード更新を自動的に推奨する最先端のCodeLMを初めて評価する。その結果,CodeLMは時間的情報を無視した設定では良好に動作しているが,より現実的な時間的シナリオでは困難であることがわかった。本研究は,実世界のコード更新レコメンデーションにおいて,CodeLMの認識と実際の有効性の間に有意なギャップがあることを明らかにする。
論文参考訳（メタデータ） (2022-09-15T05:07:25Z)

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。