論文の概要: Cost-Efficient Long Code Translation using LLMs while Leveraging Identifier Replacements

• arxiv url: http://arxiv.org/abs/2510.09045v1
• Date: Fri, 10 Oct 2025 06:28:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 00:38:48.287275
• Title: Cost-Efficient Long Code Translation using LLMs while Leveraging Identifier Replacements
• Title（参考訳）: LLMを用いたコスト効率のよいロングコード翻訳
• Authors: Manojit Chakraborty, Madhusudan Ghosh, Rishabh Gupta,
• Abstract要約: 識別子置換を組み込んだゼロショット符号変換法を提案する。 提案手法は,翻訳中にユーザから取得した長い識別子を一般化されたプレースホルダーに置き換えることで,長文翻訳の効率性と費用対効果を向上させる。
• 参考スコア（独自算出の注目度）: 3.833075202213095
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the domain of software development, LLMs have been utilized to automate tasks such as code translation, where source code from one programming language is translated to another while preserving its functionality. However, LLMs often struggle with long source codes that don't fit into the context window, which produces inaccurate translations. To address this, we propose a novel zero-shot code translation method that incorporates identifier replacement. By substituting user-given long identifiers with generalized placeholders during translation, our method allows the LLM to focus on the logical structure of the code, by reducing token count and memory usage, which improves the efficiency and cost-effectiveness of long code translation. Our empirical results demonstrate that our approach preserves syntactical and hierarchical information and produces translation results with reduced tokens.
• Abstract（参考訳）: ソフトウェア開発の分野では、LLMは、あるプログラミング言語のソースコードを別の言語に翻訳し、その機能を保ちながらコード翻訳などのタスクを自動化するために利用されてきた。 しかし、LLMはコンテキストウィンドウに収まらない長いソースコードに苦しむことが多く、不正確な翻訳を生成する。 そこで本研究では,識別子置換を組み込んだゼロショットコード翻訳手法を提案する。 提案手法は,翻訳中に一般のプレースホルダーでユーザ登録した長い識別子を置換することにより,トークン数とメモリ使用量を削減することにより,LLMがコードの論理構造に集中できるようにし,長いコード翻訳の効率性とコスト効率を向上させる。 実験結果から,本手法は構文情報や階層情報を保存し,トークンを減らした翻訳結果を生成することを示す。

関連論文リスト

• Decoding in Latent Spaces for Efficient Inference in LLM-based Recommendation [75.72196852363116]
  光遅延空間復号法(L2D)は効率的かつ効率的な遅延空間復号法である。 L2Dは言語空間の復号化よりも10倍以上高速で、性能の維持や向上が可能である。
  論文  参考訳（メタデータ） (2025-09-15T02:30:35Z)
• Function-to-Style Guidance of LLMs for Code Translation [59.487054943812836]
  コード翻訳における大規模言語モデルの性能向上を目的として,F2STransという関数型案内パラダイムを提案する。 提案手法は,(1)高品質なソースターゲットコードペアを用いた翻訳精度を最適化する機能学習という2つの重要な段階から構成される。 我々は,最新のソースコード,広範なテストケース,手動で注釈付き接頭辞翻訳を含む新しいコード翻訳ベンチマークを導入する。
  論文  参考訳（メタデータ） (2025-07-15T08:25:02Z)
• ExeCoder: Empowering Large Language Models with Executability Representation for Code Translation [57.604506522287814]
  既存の大きな言語モデル(LLM)は、事前トレーニング中にのみコードのコンテキスト意味を学習する。 機能的セマンティクスや構文構造,変数依存性といった実行可能性表現を活用するために,ExeCoderを提案する。 ExeCoderは、既存のオープンソースコードLLMを10.88%以上、38.78%以上、27.44%以上、42.97%以上という、2つのメトリクスで、最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2025-01-30T16:18:52Z)
• Specification-Driven Code Translation Powered by Large Language Models: How Far Are We? [8.534857249221844]
  コード翻訳の中間表現としてNL-specificationを用いる。 以上の結果から,NL特異化だけでは性能改善には至らないことが明らかとなった。 コード翻訳の性能解析に加えて,翻訳コードの品質についても検討する。
  論文  参考訳（メタデータ） (2024-12-05T20:10:21Z)
• Semantic Alignment-Enhanced Code Translation via an LLM-Based Multi-Agent System [24.52067108242477]
  コード翻訳は、ソフトウェアマイグレーション、システムアブレーション、クロスプラットフォーム開発に不可欠である。 従来のルールベースのメソッドは手書きのルールに依存している。 最近では、LLM(Large Language Models)の進歩により、学習ベースのコード翻訳がさらに強化されている。 本稿では,構文誤りや意味的誤りを解消し,LLMに基づくコード翻訳を強化した新しいマルチエージェントシステムTransagENTを提案する。
  論文  参考訳（メタデータ） (2024-09-30T02:53:03Z)
• CodeIP: A Grammar-Guided Multi-Bit Watermark for Large Language Models of Code [56.019447113206006]
  大規模言語モデル(LLM)はコード生成において顕著な進歩を遂げた。 CodeIPは、新しいマルチビット透かし技術で、出所の詳細を保持するために追加情報を挿入する。 5つのプログラミング言語にまたがる実世界のデータセットで実施された実験は、CodeIPの有効性を実証している。
  論文  参考訳（メタデータ） (2024-04-24T04:25:04Z)
• CodecLM: Aligning Language Models with Tailored Synthetic Data [51.59223474427153]
  命令追従能力のための高品質な合成データを適応的に生成するフレームワークであるCodecLMを紹介する。 まず、ターゲットの指示分布をキャプチャするために、オンザフライで生成された簡潔なキーワードであるメタデータにシード命令をエンコードする。 また、デコード中に自己論理とコントラストフィルタを導入し、データ効率の良いサンプルを調整する。
  論文  参考訳（メタデータ） (2024-04-08T21:15:36Z)

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。