論文の概要: Adversarial Agent Collaboration for C to Rust Translation

• arxiv url: http://arxiv.org/abs/2510.03879v1
• Date: Sat, 04 Oct 2025 17:08:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-07 16:52:59.318505
• Title: Adversarial Agent Collaboration for C to Rust Translation
• Title（参考訳）: C to Rust 翻訳のための逆エージェント協調
• Authors: Tianyu Li, Ruishi Li, Bo Wang, Brandon Paulsen, Umang Mathur, Prateek Saxena,
• Abstract要約: ACToRは、我々のベンチマークで考慮された63の現実世界のコマンドラインユーティリティを全て翻訳します。 テストパス率は90%を超え、人間の介入はゼロである。 このスケールのCプログラムを確実に翻訳する最初のシステムである。
• 参考スコア（独自算出の注目度）: 13.65848262530917
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Translating C to memory-safe languages, like Rust, prevents critical memory safety vulnerabilities that are prevalent in legacy C software. Existing approaches for C to safe Rust translation, including LLM-assisted ones, do not generalize on larger (> 500 LoC) C codebases because they depend on complex program analyses that frequently break. In this work, we present ACToR (Adversarial C To Rust translator), a simple LLM agent-based approach. Inspired by GANs, ACToR pits a generator agent against a discriminator agent, which collaborate to iteratively generate a Rust translation. On each iteration, the translator agent synthesizes and refines a Rust translation to pass an existing suite of tests, and then the discriminator agent finds new failing tests. We demonstrate that ACToR translates all of the 63 real-world command line utilities considered in our benchmarks, which have an average size of 485 lines of code, and it achieves over 90% test pass rate with zero human intervention. To our knowledge, it is the first such system that reliably translates C programs of this scale. Furthermore, ACToR improves translation correctness by up to 18.9% compared to baseline, non-adversarial approaches.
• Abstract（参考訳）: Rustのようなメモリセーフな言語へのCの翻訳は、レガシーCソフトウェアで普及している重要なメモリ安全性の脆弱性を防ぐ。 LLMをサポートするものを含む、既存のRust翻訳に対するCのアプローチは、頻繁に壊れる複雑なプログラム分析に依存するため、より大きな(> 500 LoC)Cコードベースを一般化しない。 本稿では,単純なLLMエージェントベースアプローチであるACToR(Adversarial C To Rust Translator)を提案する。 GANにインスパイアされたACToRは、ジェネレータエージェントを識別エージェントと照合し、Rust翻訳を反復的に生成する。 各イテレーションで、トランスレータエージェントは、既存のテストスイートをパスするためにRust翻訳を合成して精錬し、その後、差別エージェントは、新しいフェールテストを見つける。 ACToRは、平均485行のコードサイズを持つベンチマークで考慮された63の実世界のコマンドラインユーティリティをすべて翻訳し、人間の介入をゼロにすることで90%以上のテストパス率を達成することを実証した。 我々の知る限り、このスケールのCプログラムを確実に翻訳する最初のシステムである。 さらに、ACToRは、ベースライン、非敵対的なアプローチと比較して翻訳精度を最大18.9%向上させる。

関連論文リスト

• SafeTrans: LLM-assisted Transpilation from C to Rust [5.6274106543826585]
  Rustは、Cの"システム"プログラミング言語としてのメモリセーフな代替として、強力な競争相手である。 本稿では,大規模な言語モデル(LLM)がRustへのCコードの自動コンパイルを実現する可能性を評価する。 SafeTrans は LLM を使って,C コードを Rust にトランスパイルするフレームワークである。
  論文  参考訳（メタデータ） (2025-05-15T21:05:33Z)
• CRUST-Bench: A Comprehensive Benchmark for C-to-safe-Rust Transpilation [51.18863297461463]
  CRUST-Benchは100のCリポジトリのデータセットで、それぞれが安全なRustとテストケースで手書きのインターフェースとペアリングされている。 我々は、このタスクで最先端の大規模言語モデル(LLM)を評価し、安全で慣用的なRust生成が依然として難しい問題であることを確認した。 最高のパフォーマンスモデルであるOpenAI o1は、ワンショット設定で15タスクしか解決できない。
  論文  参考訳（メタデータ） (2025-04-21T17:33:33Z)
• LLM-Driven Multi-step Translation from C to Rust using Static Analysis [27.122409727034192]
  レガシー言語で書かれたソフトウェアをCからRustなどのモダン言語に翻訳することは、メモリ安全性を改善する上で大きなメリットがある。 LLM駆動型C-to-Rustゼロショット変換ツールであるSACTORを2段階の翻訳手法を用いて提案する。 SACTORは、既存の方法と比較して、より自然でRustに準拠した翻訳を生成する。
  論文  参考訳（メタデータ） (2025-03-16T14:05:26Z)
• Syzygy: Dual Code-Test C to (safe) Rust Translation using LLMs and Dynamic Analysis [8.361424157571468]
  Syzygyは、C言語を安全なRustに変換する自動化アプローチである。 これは、Rustのコード翻訳を安全にする上で、これまでで最大の自動化およびテスト検証済みのCである。
  論文  参考訳（メタデータ） (2024-12-18T18:55:46Z)
• CRAT: A Multi-Agent Framework for Causality-Enhanced Reflective and Retrieval-Augmented Translation with Large Language Models [59.8529196670565]
  CRATは、RAGと因果強化自己回帰を利用して翻訳課題に対処する、新しいマルチエージェント翻訳フレームワークである。 以上の結果からCRATは翻訳精度を著しく向上させ,特に文脈に敏感な単語や語彙の出現に寄与することが示唆された。
  論文  参考訳（メタデータ） (2024-10-28T14:29:11Z)
• Guess & Sketch: Language Model Guided Transpilation [59.02147255276078]
  学習されたトランスパイレーションは、手作業による書き直しやエンジニアリングの取り組みに代わるものだ。 確率的ニューラルネットワークモデル(LM)は、入力毎に可塑性出力を生成するが、正確性を保証するコストがかかる。 Guess & Sketch は LM の特徴からアライメントと信頼性情報を抽出し、意味的等価性を解決するためにシンボリック・ソルバに渡す。
  論文  参考訳（メタデータ） (2023-09-25T15:42:18Z)

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。