論文の概要: SPELL: Synthesis of Programmatic Edits using LLMs

• arxiv url: http://arxiv.org/abs/2602.01107v1
• Date: Sun, 01 Feb 2026 09:03:56 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-03 19:28:33.595732
• Title: SPELL: Synthesis of Programmatic Edits using LLMs
• Title（参考訳）: SPELL: LLMを用いたプログラム編集の合成
• Authors: Daniel Ramos, Catarina Gamboa, Inês Lynce, Vasco Manquinho, Ruben Martins, Claire Le Goues,
• Abstract要約: ライブラリのマイグレーションは、ソフトウェア開発において一般的ながエラーを起こしやすいタスクである。 上述した制限を横取りする,自動APIマイグレーションに対する新たなアプローチを提案する。
• 参考スコア（独自算出の注目度）: 10.41623927140964
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Library migration is a common but error-prone task in software development. Developers may need to replace one library with another due to reasons like changing requirements or licensing changes. Migration typically entails updating and rewriting source code manually. While automated migration tools exist, most rely on mining examples from real-world projects that have already undergone similar migrations. However, these data are scarce, and collecting them for arbitrary pairs of libraries is difficult. Moreover, these migration tools often miss out on leveraging modern code transformation infrastructure. In this paper, we present a new approach to automated API migration that sidesteps the limitations described above. Instead of relying on existing migration data or using LLMs directly for transformation, we use LLMs to extract migration examples. Next, we use an Agent to generalize those examples to reusable transformation scripts in PolyglotPiranha, a modern code transformation tool. Our method distills latent migration knowledge from LLMs into structured, testable, and repeatable migration logic, without requiring preexisting corpora or manual engineering effort. Experimental results across Python libraries show that our system can generate diverse migration examples and synthesize transformation scripts that generalize to real-world codebases.
• Abstract（参考訳）: ライブラリのマイグレーションは、ソフトウェア開発において一般的ながエラーを起こしやすいタスクである。 要件の変更やライセンスの変更などの理由から,ひとつのライブラリを別のライブラリに置き換える必要があるかも知れない。 移行は通常、ソースコードの更新と書き換えを手作業で行う。 自動マイグレーションツールは存在するが、ほとんどの場合、すでに同様の移行が実施されている実世界のプロジェクトの例に頼っている。 しかし、これらのデータは乏しく、ライブラリの任意のペアを収集することは困難である。 さらに、これらの移行ツールは、現代的なコード変換インフラストラクチャの活用を欠いていることが多い。 本稿では,上記の制限を緩和する新しいAPIマイグレーション手法を提案する。 既存のマイグレーションデータや変換にLLMを直接使用する代わりに、LLMを使用してマイグレーションサンプルを抽出する。 次に、エージェントを使用してこれらの例を、現代的なコード変換ツールであるPolyglotPiranhaで再利用可能な変換スクリプトに一般化します。 本手法は, 既存のコーパスや手作業による作業を必要とせず, LLM から構造化, テスト可能, 繰り返し可能なマイグレーションロジックに潜伏したマイグレーション知識を蒸留する。 Pythonライブラリにまたがる実験結果から,我々のシステムは多様な移行例を生成し,実世界のコードベースに一般化した変換スクリプトを合成できることがわかった。

関連論文リスト

• PyMigTool: a tool for end-to-end Python library migration [0.8586348698580818]
  任意のPythonライブラリ間でコードを自動的に移行できるエンドツーエンドソリューションを開発しました。 まず,321個の実世界のライブラリマイグレーションのベンチマークを用いて,Large Language Models(LLM)のライブラリマイグレーション機能について検討した。 LLMはライブラリのマイグレーションを効果的に行うことができるが、後処理のステップによってはパフォーマンスがさらに向上する可能性がある。
  論文  参考訳（メタデータ） (2025-10-09T20:54:26Z)
• Automatic Qiskit Code Refactoring Using Large Language Models [39.71511919246829]
  大規模言語モデル(LLM)を用いたQiskit符号の新しい手法を提案する。 まず、公式のQiskitドキュメントのさまざまなソースから、マイグレーションシナリオの分類を抽出することから始めます。 この分類法は、元のPythonソースコードとともに、LLMへの入力として提供され、コード内の移行シナリオのインスタンスを識別する。
  論文  参考訳（メタデータ） (2025-06-17T14:00:48Z)
• An Empirical Study of Python Library Migration Using Large Language Models [0.8003337912268735]
  大規模言語モデル(LLM)は、コードの生成と変換だけでなく、類似したコードを見つけるのにも有効である。 我々はPyMigBench上でLLama 3.1, GPT-4o mini, GPT-4oの3つのLCMを評価し, 実世界のライブラリマイグレーション321を移行した。 LLama 3.1、GPT-4o mini、GPT-4oのマイグレーションは、開発者のマイグレーションでパスされたテストと同じテストをパスする。
  論文  参考訳（メタデータ） (2025-04-17T18:32:48Z)
• Migrating Code At Scale With LLMs At Google [0.0]
  Googleでは,大規模で費用がかかる従来型の手動マイグレーションプロジェクトについて論じている。 変更位置探索と大規模言語モデル(LLM)を用いて開発者が移行を行うのを支援する新しい自動アルゴリズムを提案する。 我々のLLM支援ワークフローは、同様のイニシアチブのモデルとして機能する可能性が示唆された。
  論文  参考訳（メタデータ） (2025-04-13T18:52:44Z)
• Executable Code Actions Elicit Better LLM Agents [76.95566120678787]
  この研究は、Pythonコードを使用して、Large Language Model(LLM)エージェントのアクションを統一されたアクション空間(CodeAct)に統合することを提案する。 Pythonインタプリタと統合されたCodeActは、コードアクションを実行し、事前アクションを動的に修正したり、マルチターンインタラクションを通じて新しい観察に新しいアクションを発行することができる。 CodeActのパフォーマンス向上は、解釈可能なコードを実行し、自然言語を使ってユーザとコラボレーションすることで、環境と対話するオープンソースのLLMエージェントを構築する動機となります。
  論文  参考訳（メタデータ） (2024-02-01T21:38:58Z)
• Enhancing Open-Domain Task-Solving Capability of LLMs via Autonomous Tool Integration from GitHub [79.31134731122462]
  オープンドメインのタスク解決能力を評価するためにOpenActベンチマークを導入します。 我々は,オープンドメインの進化するクエリに,GitHubから専門ツールを自律的に統合することで対処できる,新しいLLMベースのエージェントシステムであるOpenAgentを紹介する。
  論文  参考訳（メタデータ） (2023-12-28T15:47:30Z)
• Characterizing Python Library Migrations [2.2557806157585834]
  335Pythonライブラリのマイグレーションでは,3,096のマイグレーション関連のコード変更をラベル付けしています。 ライブラリペアの40%が、非関数型プログラム要素を含むAPIマッピングを持っていることが分かりました。 移行を行うには,平均して4つのAPIと2つのAPIマッピングについて学ぶ必要がある。
  論文  参考訳（メタデータ） (2022-07-03T21:00:08Z)

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。