論文の概要: Repairing Responsive Layout Failures Using Retrieval Augmented Generation

• arxiv url: http://arxiv.org/abs/2511.00678v1
• Date: Sat, 01 Nov 2025 19:41:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:26.889601
• Title: Repairing Responsive Layout Failures Using Retrieval Augmented Generation
• Title（参考訳）: Retrieval Augmented Generation を用いた応答性レイアウト障害の修復
• Authors: Tasmia Zerin, Moumita Asad, B. M. Mainul Hossain, Kazi Sakib,
• Abstract要約: 応答性レイアウト障害 (Responsive Layout Failures, RLF) という,特定の画面サイズでレイアウトが歪んだ場合が多い。 本研究では,LLMとドメイン固有知識を組み合わせた自動修復手法を提案する。 このアプローチは、Retrieval-Augmented Generation(RAG)ベースのソリューションであるReDeFixという名前で、Stack Overflow(SO)の議論を利用して、LCMのCSS修復をガイドする。
• 参考スコア（独自算出の注目度）: 1.0616273526777913
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Responsive websites frequently experience distorted layouts at specific screen sizes, called Responsive Layout Failures (RLFs). Manually repairing these RLFs involves tedious trial-and-error adjustments of HTML elements and CSS properties. In this study, an automated repair approach, leveraging LLM combined with domain-specific knowledge is proposed. The approach is named ReDeFix, a Retrieval-Augmented Generation (RAG)-based solution that utilizes Stack Overflow (SO) discussions to guide LLM on CSS repairs. By augmenting relevant SO knowledge with RLF-specific contexts, ReDeFix creates a prompt that is sent to the LLM to generate CSS patches. Evaluation demonstrates that our approach achieves an 88\% accuracy in repairing RLFs. Furthermore, a study from software engineers reveals that generated repairs produce visually correct layouts while maintaining aesthetics.
• Abstract（参考訳）: レスポンシブWebサイトは、Responsive Layout Failures (RLFs)と呼ばれる、特定の画面サイズで歪んだレイアウトを経験することが多い。 これらのRDFを手動で修復するには、HTML要素とCSSプロパティの面倒な試行錯誤調整が必要となる。 本研究では,LLMとドメイン固有知識を組み合わせた自動修復手法を提案する。 このアプローチは、Retrieval-Augmented Generation(RAG)ベースのソリューションであるReDeFixという名前で、Stack Overflow(SO)の議論を利用して、LCMのCSS修復をガイドする。 RLF固有のコンテキストで関連するSO知識を拡張することで、ReDeFixはLSMに送信されたプロンプトを生成してCSSパッチを生成する。 RLFの修復において,本手法が88%の精度で達成可能であることを示す。 さらに、ソフトウェアエンジニアによる研究によると、生成した修復は美学を維持しながら視覚的に正しいレイアウトを生成する。

関連論文リスト

• Repairing Regex Vulnerabilities via Localization-Guided Instructions [6.033257307910245]
  正規表現(regexes)は、正規表現拒否(ReDoS)にシステムを公開する しかし、現在のアプローチはトレードオフによって妨げられている。 信頼性を保ちながら一般化を活用するために設計されたハイブリッド・フレームワーク、ローカライズド・リフレクション(LRR)を導入する。
  論文  参考訳（メタデータ） (2025-10-10T06:15:43Z)
• RelRepair: Enhancing Automated Program Repair by Retrieving Relevant Code [11.74568238259256]
  RelRepairは関連するプロジェクト固有のコードを取得し、プログラムの自動修復を強化する。 広く研究されている2つのデータセット、Defects4J V1.2 と ManySStuBs4J について RelRepair の評価を行った。
  論文  参考訳（メタデータ） (2025-09-20T14:07:28Z)
• Do AI models help produce verified bug fixes? [62.985237003585674]
  大規模言語モデルは、ソフトウェアバグの修正に使用される。 本稿では,プログラマが大規模言語モデルを用いて,自身のスキルを補完する方法について検討する。 その結果は、プログラムバグに対する保証された修正を提供するAIとLLMの適切な役割への第一歩となる。
  論文  参考訳（メタデータ） (2025-07-21T17:30:16Z)
• Specification-Guided Repair of Arithmetic Errors in Dafny Programs using LLMs [79.74676890436174]
  本稿では,障害の局所化と修復のためのオラクルとして形式仕様を用いたDafny用のAPRツールを提案する。 プログラム内の各ステートメントの状態を決定するために、Hoareロジックの使用を含む一連のステップを通じて、障害をローカライズします。 また, GPT-4o miniが74.18%と高い修理成功率を示した。
  論文  参考訳（メタデータ） (2025-07-04T15:36:12Z)
• Grounding by Trying: LLMs with Reinforcement Learning-Enhanced Retrieval [55.63711219190506]
  大きな言語モデル(LLM)は、しばしば適切な検索クエリのポーズに苦労する。 私たちは$underlineLe$arningを$underlineRe$trieveに$underlineT$rying (LeReT)を導入します。 LeReTは、絶対精度を最大29%向上し、下流ジェネレータの評価を17%向上させることができる。
  論文  参考訳（メタデータ） (2024-10-30T17:02:54Z)
• Aligning the Objective of LLM-based Program Repair [14.935596175148586]
  本稿では,大規模言語モデル (LLM) をプログラム修復に適用するための新しいアプローチについて検討する。 我々の中核的な洞察は、LLMのAPR能力は、単にトレーニング目標に出力を合わせるだけで大幅に改善できるということです。 この知見に基づいて、我々はAPRの直接的なプロンプトフレームワークであるD4Cを設計した。
  論文  参考訳（メタデータ） (2024-04-13T02:36:40Z)

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。