論文の概要: Exploringand Unleashing the Power of Large Language Models in CI/CD Configuration Translation

• arxiv url: http://arxiv.org/abs/2511.01316v1
• Date: Mon, 03 Nov 2025 08:01:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-05 16:37:27.168605
• Title: Exploringand Unleashing the Power of Large Language Models in CI/CD Configuration Translation
• Title（参考訳）: CI/CD構成変換における大規模言語モデルのパワーの探索と解放
• Authors: Chong Wang, Chen Zhang, Jiajun Wu, Wunan Guo, Jianfeng Qu, Yewen Tian, Yang Liu,
• Abstract要約: 継続的インテグレーション(CI)は、現代の共同ソフトウェア開発の基盤です。 大規模言語モデル(LLM)の出現に伴い、ソフトウェアエンジニアリングの最近の進歩は、CI構成変換の可能性を強調している。 我々は、トラビスCIからGitHub Actionsへの移行に焦点を当てたLLMベースのCI構成変換について研究する。
• 参考スコア（独自算出の注目度）: 22.867758531615248
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Continuous Integration (CI) is a cornerstone of modern collaborative software development, and numerous CI platforms are available. Differences in maintenance overhead, reliability, and integration depth with code-hosting platforms make migration between CI platforms a common practice. A central step in migration is translating CI configurations, which is challenging due to the intrinsic complexity of CI configurations and the need to understand semantic differences and relationships across CI platforms. With the advent of large language models (LLMs), recent advances in software engineering highlight their potential for CI configuration translation. In this paper, we present a study on LLM-based CI configuration translation, focusing on the migration from Travis CI to GitHub Actions. First, using 811 migration records, we quantify the effort involved and find that developers read an average of 38 lines of Travis configuration and write 58 lines of GitHub Actions configuration, with nearly half of the migrations requiring multiple commits. We further analyze translations produced by each of the four LLMs and identify 1,121 issues grouped into four categories: logic inconsistencies (38%), platform discrepancies (32%), environment errors (25%), and syntax errors (5%). Finally, we evaluate three enhancement strategies and show that combining guideline-based prompting with iterative refinement achieves the best performance, reaching a Build Success Rate of 75.5%-nearly a threefold improvement over GPT-4o with a basic prompt.
• Abstract（参考訳）: 継続的インテグレーション(CI)は、現代の共同ソフトウェア開発の基盤であり、多くのCIプラットフォームが利用可能です。 コードホストプラットフォームとのメンテナンスのオーバーヘッド、信頼性、統合の深さの違いは、CIプラットフォーム間のマイグレーションを一般的なプラクティスにします。 移行における中心的なステップは、CIコンフィギュレーションの本質的な複雑さと、CIプラットフォーム間のセマンティックな差異と関係を理解する必要性のため、CIコンフィギュレーションの翻訳である。 大規模言語モデル(LLM)の出現に伴い、ソフトウェアエンジニアリングの最近の進歩は、CI構成変換の可能性を強調している。 本稿では、トラビスCIからGitHub Actionsへの移行に焦点を当てたLLMベースのCI構成変換について検討する。 まず、811のマイグレーションレコードを使用して、関連する労力を定量化し、開発者が平均38行のTravis設定を読み、58行のGitHub Actions設定を書き、マイグレーションの半分近くは複数のコミットを必要としていることを確認します。 さらに,4つのLLMで生成された翻訳を解析し,論理の不整合(38%),プラットフォーム不整合(32%),環境エラー(25%),構文エラー(5%)の4つのカテゴリに分類した。 最後に, 3つの拡張戦略を評価し, ガイドラインに基づくプロンプトと反復的プロンプトを組み合わせることで, ビルド成功率75.5%に到達し, 基本的プロンプトによるGPT-4oよりも3倍に向上したことを示す。

関連論文リスト

• Can LLMs Write CI? A Study on Automatic Generation of GitHub Actions Configurations [0.0]
  GitHub Actionsのような継続的インテグレーションサービスは、YAMLベースのコンフィギュレーションを記述する必要がある。 ソフトウェアエンジニアリングタスクの自動化にLLM(Large Language Models)の利用が増えているにも関わらず、CI構成を生成する能力はまだ未定だ。 本稿では、自然言語記述からGitHub Actions設定を生成するための6つのLCMを評価する予備的研究について述べる。
  論文  参考訳（メタデータ） (2025-07-23T03:18:04Z)
• NL in the Middle: Code Translation with LLMs and Intermediate Representations [56.77064674776534]
  大きな言語モデル(LLM)はバグのあるコード翻訳を生成する。 翻訳精度を向上させるための有望な道の1つは中間表現である。 LLMに基づくコード翻訳が中間表現の恩恵を受けるかどうかを検討する。
  論文  参考訳（メタデータ） (2025-07-11T14:29:21Z)
• 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)
• Building Math Agents with Multi-Turn Iterative Preference Learning [56.71330214021884]
  本稿では,モデル性能をさらに向上させるために,補完的な直接選好学習手法について検討する。 既存の直接選好学習アルゴリズムは、もともとシングルターンチャットタスク用に設計されている。 この文脈に合わせたマルチターン直接選好学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-04T02:41:04Z)
• BLAZE: Cross-Language and Cross-Project Bug Localization via Dynamic Chunking and Hard Example Learning [1.9854146581797698]
  BLAZEは動的チャンキングとハードサンプル学習を採用するアプローチである。 プロジェクト横断と言語横断のバグローカライゼーションを強化するために、難しいバグケースを使用してGPTベースのモデルを微調整する。 BLAZEは、トップ1の精度で120%、平均平均精度(MAP)で144%、平均相互ランク(MRR)で100%上昇する。
  論文  参考訳（メタデータ） (2024-07-24T20:44:36Z)
• Example-Based Automatic Migration of Continuous Integration Systems [2.2836654317217326]
  継続的インテグレーション(CI)は、コード変更の統合とテストの高速化に広く採用されているプラクティスです。 開発者はしばしば、マトリックスの構築やロギングの改善といった機能を追求して、CIシステム間で移行する。 この移行は、新しいCIシステムとその構文に関する知識が限られているため、集中的かつエラーを起こしやすい。 本稿では,CIシステムの自動マイグレーションのための新しいアプローチとして,CIMigを提案する。
  論文  参考訳（メタデータ） (2024-07-02T20:19:21Z)

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。