論文の概要: LogicLens: Leveraging Semantic Code Graph to explore Multi Repository large systems

• arxiv url: http://arxiv.org/abs/2601.10773v1
• Date: Thu, 15 Jan 2026 15:35:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-19 20:21:50.247994
• Title: LogicLens: Leveraging Semantic Code Graph to explore Multi Repository large systems
• Title（参考訳）: LogicLens: セマンティックコードグラフを活用してマルチリポジトリの大規模システムを探る
• Authors: Niko Usai, Dario Montagnini, Kristian Ilianov Iliev, Raffaele Camanzo,
• Abstract要約: 複雑なソフトウェアシステムの探索を支援するリアクティブ対話エージェントであるLogicLensを紹介する。 本稿では,システムのアーキテクチャを提示し,創発的行動について議論し,実世界のマルチリポジトリのシナリオ上での有効性を評価する。
• 参考スコア（独自算出の注目度）: 0.2519906683279152
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding large software systems is a challenging task, especially when code is distributed across multiple repositories and microservices. Developers often need to reason not only about the structure of the code, but also about its domain logic and runtime behaviors, which are typically implicit and scattered. We introduce LogicLens, a reactive conversational agent that assists developers in exploring complex software systems through a semantic multi-repository graph. This graph is built in a preprocessing step by combining syntactic code analysis, via AST parsing and repository traversal, with semantic enrichment using Large Language Models (LLMs). The resulting graph captures both structural elements, such as files, classes, and functions, as well as functional abstractions like domain entities, operations, and workflows. Once the graph is constructed, LogicLens enables developers to interact with it via natural language, dynamically retrieving relevant subgraphs and answering technical or functional queries. We present the architecture of the system, discuss emergent behaviors, and evaluate its effectiveness on real-world multi-repository scenarios. We demonstrate emergent capabilities including impact analysis and symptom-based debugging that arise naturally from the semantic graph structure.
• Abstract（参考訳）: 大規模なソフトウェアシステムを理解するのは、特にコードが複数のリポジトリやマイクロサービスに分散している場合、難しい作業です。 開発者はコードの構造だけでなく、ドメインロジックや実行時の振る舞いについても考える必要があります。 LogicLensは、開発者がセマンティックなマルチリポジトリグラフを通して複雑なソフトウェアシステムを探索するのを支援する、リアクティブな対話エージェントである。 このグラフは、AST解析とリポジトリトラバーサルを通じて構文コード解析と、Large Language Models (LLM)を使用したセマンティックエンリッチメントを組み合わせることで、前処理のステップで構築される。 結果として得られるグラフは、ファイル、クラス、関数といった構造的要素と、ドメインエンティティ、オペレーション、ワークフローといった機能的抽象化の両方をキャプチャする。 グラフが構築されると、LogicLensは開発者が自然言語でそれと対話し、関連するサブグラフを動的に検索し、技術的または機能的なクエリに答えることを可能にする。 システムのアーキテクチャを提示し、創発的な振る舞いを議論し、実世界のマルチリポジトリのシナリオでその効果を評価する。 セマンティックグラフ構造から自然に発生する影響分析や症状に基づくデバッグなど,創発的な機能を示す。

関連論文リスト

• Completion by Comprehension: Guiding Code Generation with Multi-Granularity Understanding [37.78627994991325]
  CoCoは、大規模なコードリポジトリから複数の粒度コンテキストでコード補完を可能にする新しいフレームワークである。 CrossCodeEvalとRepoEvalベンチマークの実験は、CoCoが最先端のベースラインを一貫して上回っていることを示している。
  論文  参考訳（メタデータ） (2025-12-04T07:37:59Z)
• Scalable and Explainable Enterprise Knowledge Discovery Using Graph-Centric Hybrid Retrieval [0.0]
  現代の企業は、Jira、Gitリポジトリ、Confluence、wikiなどの異種システムに分散した膨大な知識を管理している。 本稿では,知識ベース言語拡張モデル(KBLam),DeepGraph表現,埋め込み型セマンティック検索を統合したモジュール型ハイブリッド検索フレームワークを提案する。 このフレームワークは、コード、プルリクエスト、コミット履歴を含む解析済みのリポジトリから統一された知識グラフを構築する。 大規模なGitリポジトリの実験では、統一推論層は、スタンドアロンのGPTベースの検索パイプラインと比較して、回答の妥当性を最大80%改善している。
  論文  参考訳（メタデータ） (2025-10-13T02:56:36Z)
• Divide by Question, Conquer by Agent: SPLIT-RAG with Question-Driven Graph Partitioning [62.640169289390535]
  SPLIT-RAGは、質問駆動セマンティックグラフ分割と協調サブグラフ検索による制限に対処するマルチエージェントRAGフレームワークである。 革新的なフレームワークは、まずリンク情報のセマンティック分割を作成し、次にタイプ特化知識ベースを使用してマルチエージェントRAGを実現する。 属性対応グラフセグメンテーションは、知識グラフを意味的に一貫性のあるサブグラフに分割し、サブグラフが異なるクエリタイプと整合することを保証する。 階層的なマージモジュールは、論理的検証を通じて、部分グラフ由来の解答間の矛盾を解消する。
  論文  参考訳（メタデータ） (2025-05-20T06:44:34Z)
• EpiCoder: Encompassing Diversity and Complexity in Code Generation [66.43738008739555]
  既存のコード生成方法はシードデータとしてコードスニペットを使用する。 階層的なコード機能を中心に展開する,新しい機能ツリーベースの合成フレームワークを提案する。 我々のフレームワークは、生成されたコードの複雑さを正確に制御し、関数レベルの操作からマルチファイルのシナリオまで幅広い機能を実現する。
  論文  参考訳（メタデータ） (2025-01-08T18:58:15Z)
• Improving Complex Reasoning over Knowledge Graph with Logic-Aware Curriculum Tuning [89.89857766491475]
  カリキュラムベースの論理認識型チューニングフレームワークであるLACTを提案する。 具体的には、任意の一階論理クエリをバイナリツリー分解によって拡張する。 広く使われているデータセットに対する実験では、LATは高度な手法よりも大幅に改善(平均+5.5% MRRスコア)し、新しい最先端技術を実現している。
  論文  参考訳（メタデータ） (2024-05-02T18:12:08Z)
• Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
  汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。 ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
  論文  参考訳（メタデータ） (2023-05-04T16:04:41Z)
• A Unified Active Learning Framework for Annotating Graph Data with Application to Software Source Code Performance Prediction [4.572330678291241]
  ソフトウェアの性能予測を専門とする一貫したアクティブラーニングフレームワークを開発した。 能動的・受動的学習に異なるレベルの情報を用いることが与える影響について検討する。 我々のアプローチは、異なるソフトウェアパフォーマンス予測のためのAIモデルへの投資を改善することを目的としています。
  論文  参考訳（メタデータ） (2023-04-06T14:00:48Z)
• LogicalFactChecker: Leveraging Logical Operations for Fact Checking with Graph Module Network [111.24773949467567]
  ファクトチェックに論理演算を活用するニューラルネットワークアプローチであるLogicalFactCheckerを提案する。 大規模なベンチマークデータセットであるTABFACT上での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） (2020-04-28T17:04:19Z)

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。