論文の概要: Smart Paste: Automatically Fixing Copy/Paste for Google Developers

• arxiv url: http://arxiv.org/abs/2510.03843v1
• Date: Sat, 04 Oct 2025 15:43:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.292519
• Title: Smart Paste: Automatically Fixing Copy/Paste for Google Developers
• Title（参考訳）: Smart Paste: Google開発者のためのコピー/ペーストの自動修正
• Authors: Vincent Nguyen, Guilherme Herzog, José Cambronero, Marcus Revaj, Aditya Kini, Alexander Frömmgen, Maxim Tabachnyk,
• Abstract要約: 私たちは、ペースト後の編集提案のためのAI機能であるSmart Pasteを、Googleの開発環境にスケールする方法を示します。 デプロイ以来、Smart Pasteは45%の受け入れ率で圧倒的に肯定的なフィードバックを受けている。 Googleの企業規模では、これらの提案は企業全体で書かれたコードの1%以上を占めている。
• 参考スコア（独自算出の注目度）: 37.36058810220678
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Manually editing pasted code is a long-standing developer pain point. In internal software development at Google, we observe that code is pasted 4 times more often than it is manually typed. These paste actions frequently require follow-up edits, ranging from simple reformatting and renaming to more complex style adjustments and cross-language translations. Prior work has shown deep learning can be used to predict these edits. In this work, we show how to iteratively develop and scale Smart Paste, an IDE feature for post-paste edit suggestions, to Google's development environment. This experience can serve as a guide for AI practitioners on a holistic approach to feature development, covering user experience, system integration, and model capabilities. Since deployment, Smart Paste has had overwhelmingly positive feedback with a 45% acceptance rate. At Google's enterprise scale, these accepted suggestions account substantially for over 1% of all code written company-wide.
• Abstract（参考訳）: ペーストしたコードを手作業で編集することは、長年の開発者の苦労の種だ。 Googleの社内ソフトウェア開発では、コードが手動で入力されるよりも4倍頻繁にペーストされているのを観察しています。 これらのペースト動作は、単純なリフォームやリネームから、より複雑なスタイルの調整や言語間の翻訳まで、しばしばフォローアップ編集を必要とする。 これまでの研究では、これらの編集を予測するためにディープラーニングが使用されていた。 本研究では,Googleの開発環境に対して,ペースト後の編集提案を行うIDE機能であるSmart Pasteを反復的に開発し,拡張する方法を示す。 このエクスペリエンスは、ユーザエクスペリエンス、システム統合、モデル機能をカバーする、機能開発に対する総合的なアプローチに関する、AI実践者のガイドとして機能する。 デプロイ以来、Smart Pasteは45%の受け入れ率で圧倒的に肯定的なフィードバックを受けている。 Googleの企業規模では、これらの提案は企業全体で書かれたコードの1%以上を占めている。

関連論文リスト

• Next Edit Prediction: Learning to Predict Code Edits from Context and Interaction History [34.91177430338037]
  Next Edit Predictionは、開発者の意図を最近のインタラクション履歴から推測し、その後の編集の場所と内容を予測するために設計された新しいタスクである。 この研究は、単に明示的な指示に反応するのではなく、次のアクションを期待することで、開発者と積極的に協力する新しいインタラクションパラダイムの基礎を築いた。
  論文  参考訳（メタデータ） (2025-08-13T15:52:03Z)
• Automated Code Review Using Large Language Models at Ericsson: An Experience Report [3.82053496282075]
  Ericssonのコードレビュープロセスを自動化するために、Large Language Modelsを使った経験について説明する。 次に、コードレビューツールと奨励的な結果を評価するための、経験豊富な開発者との予備実験について説明する。
  論文  参考訳（メタデータ） (2025-07-25T09:50:48Z)
• 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)
• SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving [90.32201622392137]
  We present SwingArena, a competitive evaluation framework for Large Language Models (LLMs)。 従来の静的ベンチマークとは異なり、SwingArenaはLLMをイテレーションとして組み合わせて、テストケースを作成し、継続的インテグレーション(CI)パイプラインを通じてパッチを検証するパッチとレビュアーを生成することで、ソフトウェアのコラボレーションプロセスをモデル化する。
  論文  参考訳（メタデータ） (2025-05-29T18:28:02Z)
• Prompting LLMs for Code Editing: Struggles and Remedies [39.02507244469977]
  大規模言語モデル(LLM)は、コーディングアシスタントをIDEに組み込むことで、ソフトウェアエンジニアリングを急速に変化させています。 本稿では,LLMを利用したコード編集および変換機能であるTransform Codeと,Googleで広く使用されているIDEの開発者インタラクションに関するマルチフェーズ調査を通じて,このギャップの一部に対処する。 機能使用状況のテレメトリログを分析し、頻繁な再プロンプトがTransform Codeを使用する開発者の苦労の指標であることを明らかにする。 我々は、周囲のコードコンテキストから欠落した情報を推測してプロンプトを自動改善するツールAutoPrompterを提案し、評価し、27%の改善を実現した。
  論文  参考訳（メタデータ） (2025-04-28T18:59:28Z)
• 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)
• Coeditor: Leveraging Contextual Changes for Multi-round Code Auto-editing [57.776971051512234]
  本研究では,複数ラウンドのコードの自動編集設定について検討し,その内部の最近の変更に基づいて,コード領域への編集を予測することを目的とした。 我々のモデルであるCoeditorは、コード編集タスクに特化して設計された微調整言語モデルである。 単純化されたシングルラウンドのシングル編集タスクでは、Coeditor は GPT-3.5 と SOTA のオープンソースコード補完モデルを大幅に上回っている。
  論文  参考訳（メタデータ） (2023-05-29T19:57:36Z)

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。