論文の概要: Code4MeV2: a Research-oriented Code-completion Platform
- arxiv url: http://arxiv.org/abs/2510.03755v1
- Date: Sat, 04 Oct 2025 09:40:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-10-07 16:52:59.23307
- Title: Code4MeV2: a Research-oriented Code-completion Platform
- Title（参考訳）: Code4MeV2:研究指向のコード補完プラットフォーム
- Authors: Roham Koohestani, Parham Bateni, Aydin Ebrahimi, Behdad Etezadi, Kiarash Karimi, Maliheh Izadi,
- Abstract要約: 我々はJetBrains IDE向けの研究指向のオープンソースコード補完プラグインであるCode4MeV2を紹介した。
Code4MeV2はクライアントサーバアーキテクチャを使って設計されており、インラインコード補完とコンテキスト対応のチャットアシスタントを備えている。
平均レイテンシは200msで、コード補完の観点から業界で互換性のあるパフォーマンスを実現している。
- 参考スコア（独自算出の注目度）: 3.552490023407639
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: The adoption of AI-powered code completion tools in software development has increased substantially, yet the user interaction data produced by these systems remain proprietary within large corporations. This creates a barrier for the academic community, as researchers must often develop dedicated platforms to conduct studies on human--AI interaction, making reproducible research and large-scale data analysis impractical. In this work, we introduce Code4MeV2, a research-oriented, open-source code completion plugin for JetBrains IDEs, as a solution to this limitation. Code4MeV2 is designed using a client--server architecture and features inline code completion and a context-aware chat assistant. Its core contribution is a modular and transparent data collection framework that gives researchers fine-grained control over telemetry and context gathering. Code4MeV2 achieves industry-comparable performance in terms of code completion, with an average latency of 200~ms. We assess our tool through a combination of an expert evaluation and a user study with eight participants. Feedback from both researchers and daily users highlights its informativeness and usefulness. We invite the community to adopt and contribute to this tool. More information about the tool can be found at https://app.code4me.me.
- Abstract（参考訳）: ソフトウェア開発におけるAIによるコード補完ツールの採用は、大幅に増加しているが、これらのシステムによって生成されたユーザーインタラクションデータは、大企業内でも独占的のままである。
これは、研究者が人間とAIの相互作用の研究を行い、再現可能な研究と大規模データ分析を非現実的に行うための専用プラットフォームを開発する必要があるため、学術コミュニティにとって障壁となる。
本研究では,JetBrains IDE用の研究指向のオープンソースコード補完プラグインであるCode4MeV2を紹介する。
Code4MeV2はクライアントサーバアーキテクチャを使って設計されており、インラインコード補完とコンテキスト対応のチャットアシスタントを備えている。
中心となるコントリビューションは、テレメトリとコンテキスト収集を詳細に制御するモジュール的で透明なデータ収集フレームワークである。
Code4MeV2は、平均レイテンシ200～msで、コード補完の観点から業界互換のパフォーマンスを実現している。
我々は,専門家評価と8人の参加者によるユーザスタディを組み合わせることで,ツールの評価を行った。
研究者と日々のユーザからのフィードバックは、その情報性と有用性を強調している。
私たちはコミュニティにこのツールの採用とコントリビューションを依頼します。
このツールの詳細はhttps://app.code4me.me.comで確認できる。
関連論文リスト
- From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。
コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。
一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
論文 参考訳（メタデータ） (2025-11-23T17:09:34Z) - Rapid Development of Omics Data Analysis Applications through Vibe Coding [0.0]
私は、現代の大規模言語モデル(LLM)と自律型コーディングエージェントがこの障壁を劇的に減らすことを実証します。
Vibeのコーディングを使って、標準的なタスクを実行できる完全に機能するデータ分析Webサイトを作りました。
ユーザインターフェース、バックエンドロジック、データアップロードパイプラインを含むアプリケーション全体は、4つの自然言語プロンプトを使用して10分以内で開発されました。
論文 参考訳（メタデータ） (2025-10-10T19:06:27Z) - CLARA: A Developer's Companion for Code Comprehension and Analysis [0.5308136763388956]
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。
論文 参考訳（メタデータ） (2025-09-11T00:30:43Z) - VerlTool: Towards Holistic Agentic Reinforcement Learning with Tool Use [78.29315418819074]
VerlToolは、体系的な設計原則を通じて制限に対処する統一的でモジュール化されたフレームワークです。
我々のフレームワークはARLTをマルチターントラジェクトリとして定式化し、マルチモード観測トークン(テキスト/画像/ビデオ)を単一ターンRLVRパラダイムを超えて拡張する。
モジュール化されたプラグインアーキテクチャは、軽量Python定義のみを必要とする迅速なツール統合を可能にする。
論文 参考訳（メタデータ） (2025-09-01T01:45:18Z) - Code with Me or for Me? How Increasing AI Automation Transforms Developer Workflows [60.04362496037186]
本研究は,コーディングエージェントと開発者インタラクションを制御した最初の研究である。
我々は,2つの主要な協調型およびエージェント型符号化アシスタントの評価を行った。
結果から,エージェントはコピロトを超える方法で開発者を支援することができることがわかった。
論文 参考訳（メタデータ） (2025-07-10T20:12:54Z) - Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。
Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
論文 参考訳（メタデータ） (2024-10-02T09:11:10Z) - Full Line Code Completion: Bringing AI to Desktop [3.5296482958373447]
JetBrainsのIntelliJ Platform用のマルチトークンコード補完機能を構築するためのアプローチについて説明する。
この機能は構文的に正しいコードのみを推奨し、ローカルで完全に動作する。
論文 参考訳（メタデータ） (2024-05-14T15:42:55Z) - 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) - 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) - All You Need Is Logs: Improving Code Completion by Learning from
Anonymous IDE Usage Logs [55.606644084003094]
そこで本研究では,IDEのユーザからコンプリート利用ログを収集する手法を提案する。
機械学習ベースのモデルをトレーニングして、完成候補をランク付けします。
評価の結果,過去のユーザ動作ログに基づいてトレーニングした単純なランキングモデルを用いることで,コード補完エクスペリエンスが大幅に向上した。
論文 参考訳（メタデータ） (2022-05-21T23:21:26Z)
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。