論文の概要: Environment-in-the-Loop: Rethinking Code Migration with LLM-based Agents

• arxiv url: http://arxiv.org/abs/2602.09944v1
• Date: Tue, 10 Feb 2026 16:29:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-11 20:17:43.684139
• Title: Environment-in-the-Loop: Rethinking Code Migration with LLM-based Agents
• Title（参考訳）: 環境-in-the-Loop: LLMベースのエージェントによるコードマイグレーションの再考
• Authors: Xiang Li, Zhiwei Fei, Ying Ma, Jerry Zhang, Sarro Federica, He Ye,
• Abstract要約: ソフトウェア進化の成功には、コードと環境の両方を統合した総合的な視点が必要だ、と私たちは主張する。 自動環境設定とコードマイグレーションワークフローを緊密に統合する新しいフレームワークパラダイムを提案する。 私たちの発見は、自動化された環境相互作用がなければ、コードマイグレーションの自動化は半分しか完了していないことを強調しています。
• 参考スコア（独自算出の注目度）: 10.275823501320355
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern software systems continuously undergo code upgrades to enhance functionality, security, and performance, and Large Language Models (LLMs) have demonstrated remarkable capabilities in code migration tasks. However, while research on automated code migration which including refactoring, API adaptation, and dependency updates has advanced rapidly, the exploration of the automated environment interaction that must accompany it remains relatively scarce. In practice, code and its environment are intricately intertwined. Relying solely on static analysis of the environment leads to an inadequate understanding of the target setting, prolongs feedback cycles, and consequently causes significant rework and project delays, thereby reducing overall efficiency. We contend that successful software evolution demands a holistic perspective that integrates both code and environment migration. To understand the current landscape and challenges, we first provide an overview of the status of automated environment construction. We then propose a novel framework paradigm that tightly integrates automated environment setup with the code migration workflow. Finally, we explore the challenges and future directions for automated environment interaction within the code migration domain. Our findings emphasize that without automated environment interaction, the automation of code migration is only half complete.
• Abstract（参考訳）: 現代のソフトウェアシステムは、機能、セキュリティ、パフォーマンスを向上させるために継続的にコードのアップグレードが行われており、LLM(Large Language Models)は、コードのマイグレーションタスクにおいて顕著な機能を示している。 しかしながら、リファクタリング、API適応、依存関係更新を含む自動コードマイグレーションの研究は急速に進んでいるが、それに伴う自動化された環境インタラクションの探索は、比較的少ないままである。 実際には、コードとその環境は複雑に絡み合っている。 環境の静的解析のみに頼れば、ターゲット設定の理解が不十分になり、フィードバックサイクルが長くなり、結果として大幅な再作業やプロジェクト遅延が発生し、全体的な効率が低下する。 ソフトウェア進化の成功には、コードと環境の両方を統合した総合的な視点が必要だ、と私たちは主張する。 現状と課題を理解するため,我々はまず,自動環境構築の現状について概観する。 次に、自動環境設定とコードマイグレーションワークフローを密に統合する新しいフレームワークパラダイムを提案する。 最後に、コードマイグレーションドメイン内の環境自動インタラクションの課題と今後の方向性について検討する。 私たちの発見は、自動化された環境相互作用がなければ、コードマイグレーションの自動化は半分しか完了していないことを強調しています。

関連論文リスト

• TimeMachine-bench: A Benchmark for Evaluating Model Capabilities in Repository-Level Migration Tasks [12.573674060643787]
  TimeMachine-benchは、現実のPythonプロジェクトでソフトウェアマイグレーションを評価するために設計されたベンチマークである。 私たちのベンチマークは、依存関係の更新に応じてテストが失敗し始めるGitHubリポジトリで構成されています。
  論文  参考訳（メタデータ） (2026-01-30T05:42:45Z)
• Environment-Aware Code Generation: How far are We? [52.69113158357018]
  大規模言語モデル(LLM)がユーザの特定の環境に適した実行可能コードを確実に生成できるかどうかは不明である。 本稿では,環境対応コード生成(EACG)の最初の体系的研究について述べる。 その結果,現在のLLMは環境固有のコード生成に苦しむ一方で,環境の適合性や実行性も向上していることがわかった。
  論文  参考訳（メタデータ） (2026-01-18T04:58:15Z)
• Path Planning through Multi-Agent Reinforcement Learning in Dynamic Environments [2.116865312302264]
  動的環境における経路計画のための拡張性のある地域対応強化学習フレームワークを提案する。 本手法は, 環境変化は動的ではあるが, しばしば境界領域内で局所化されるという観察に基づいている。
  論文  参考訳（メタデータ） (2025-11-19T09:48:44Z)
• Process-Level Trajectory Evaluation for Environment Configuration in Software Engineering Agents [71.85020581835042]
  大規模言語モデルベースのエージェントは、ソフトウェアエンジニアリングの約束を示すが、環境構成はボトルネックのままである。 既存のベンチマークでは、エンドツーエンドのビルド/テストの成功のみを評価し、エージェントが成功または失敗する場所と理由を見極めている。 本研究では,環境設定計画中の細粒度エージェントのプロセスレベルの軌道評価を行うEnconda-benchを紹介する。
  論文  参考訳（メタデータ） (2025-10-29T16:59:07Z)
• HiVA: Self-organized Hierarchical Variable Agent via Goal-driven Semantic-Topological Evolution [13.440964262446558]
  HiVA(Hierarchical Variable Agent)は、セマンティック・トポロジカル・エボリューション(STEV)アルゴリズムを用いて、自己組織化グラフとしてエージェントをモデル化する新しいフレームワークである。 対話、コーディング、Longcontext Q&A、数学、エージェントベンチマークの実験では、タスク精度が5～10%向上し、リソース効率が向上した。
  論文  参考訳（メタデータ） (2025-08-29T18:51:18Z)
• Unlocking Smarter Device Control: Foresighted Planning with a World Model-Driven Code Execution Approach [82.27842884709378]
  本研究では,自然言語理解と構造化推論を優先し,エージェントの環境に対するグローバルな理解を高める枠組みを提案する。 本手法は,従来の手法,特にタスク成功率の44.4%向上を達成している。
  論文  参考訳（メタデータ） (2025-05-22T09:08:47Z)
• TheAgentCompany: Benchmarking LLM Agents on Consequential Real World Tasks [55.03911355902567]
  我々は、デジタルワーカーと同じような方法で世界と対話するAIエージェントを評価するためのベンチマークであるTheAgentCompanyを紹介する。 最も競争力のあるエージェントは、タスクの30%を自律的に完了させることができる。 これは、実際の職場の設定でLMエージェントをシミュレートすることで、タスク自動化に関する微妙な絵を描く。
  論文  参考訳（メタデータ） (2024-12-18T18:55:40Z)
• MOSS: Enabling Code-Driven Evolution and Context Management for AI Agents [7.4159044558995335]
  動的コンテキスト管理システムとコード生成を統合する新しいフレームワークであるMOSS(llM-oriented Operating System Simulation)を紹介する。 フレームワークの中核は、最小限の知識原則を強制するために、インバージョン・オブ・コントロールコンテナとデコレータを併用する。 我々は,このフレームワークがエージェント開発における効率性と能力をいかに向上させるかを示し,チューリング完全エージェントへの移行におけるその優位性を強調した。
  論文  参考訳（メタデータ） (2024-09-24T14:30:21Z)
• Enhancing Graph Representation of the Environment through Local and Cloud Computation [2.9465623430708905]
  複数の情報源からロボット環境のセマンティックな表現を提供するグラフベースの表現を提案する。 環境から情報を取得するために、このフレームワークは古典的なコンピュータビジョンツールと現代のコンピュータビジョンクラウドサービスを組み合わせる。 提案手法により、小さなオブジェクトも処理し、環境の意味表現に統合することが可能になる。
  論文  参考訳（メタデータ） (2023-09-22T08:05:32Z)

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。