論文の概要: LAPIS: Lightweight API Specification for Intelligent Systems

• arxiv url: http://arxiv.org/abs/2602.18541v1
• Date: Fri, 20 Feb 2026 15:22:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.153459
• Title: LAPIS: Lightweight API Specification for Intelligent Systems
• Title（参考訳）: LAPIS: インテリジェントシステムのための軽量API仕様
• Authors: Daniel Garcia,
• Abstract要約: 大規模言語モデル(LLM)は、コード生成、自律エージェントインタラクション、APIアシスト推論のいずれにおいても、API仕様のコンシューマとしての役割を担っている。 LAPISは、APIトークンの使用に必要なセマンティック情報を保存するLLM消費に最適化されたドメイン固有フォーマットである。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) increasingly serve as consumers of API specifications, whether for code generation, autonomous agent interaction, or API-assisted reasoning. The de facto standard for API description, OpenAPI, was designed for documentation tools and code generators, resulting in substantial token overhead when used as LLM context. We present LAPIS (Lightweight API Specification for Intelligent Systems), a domain-specific format optimized for LLM consumption that preserves the semantic information necessary for API reasoning while minimizing token usage. Through empirical evaluation against five real-world production API specifications including GitHub (1,080 endpoints), Twilio (197 endpoints), DigitalOcean (545 endpoints), Petstore, and HTTPBin we demonstrate an average token reduction of 85.5% compared to OpenAPI YAML and 88.6% compared to OpenAPI JSON, measured with the cl100k_base tokenizer. LAPIS introduces domain-specific structural innovations, including centralized error definitions, webhook trigger conditions, structured rate limit descriptions, and operation flow declarations information that OpenAPI either duplicates redundantly or cannot represent at all. The format is fully convertible from OpenAPI 3.x via an automated converter, requires no special parser for LLM consumption, and is released as an open specification under CC BY 4.0.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、コード生成、自律エージェントインタラクション、APIアシスト推論のいずれにおいても、API仕様のコンシューマとしての役割を担っている。 API記述のデファクトスタンダードであるOpenAPIは、ドキュメントツールやコードジェネレータ用に設計されており、LLMコンテキストとして使用する場合、かなりのトークンオーバーヘッドが発生する。 LAPIS(Lightweight API Specification for Intelligent Systems)は,トークン使用量を最小限にしつつ,API推論に必要なセマンティック情報を保存するLLM消費に最適化されたドメイン固有フォーマットである。 GitHub(1,080のエンドポイント)、Twilio(197のエンドポイント)、DigitalOcean(545のエンドポイント)、Petstore、HTTPBinを含む5つの実世界のAPI仕様に対する実証的な評価を通じて、OpenAPI YAMLと比較して平均トークンの減少率は85.5%、cl100k_baseトークンライザで測定されたOpenAPI JSONと比較して88.6%であることを示す。 LAPISでは、集中的なエラー定義、webhookトリガ条件、構造化されたレート制限記述、オペレーションフロー宣言など、ドメイン固有の構造革新が導入されている。 フォーマットはOpenAPI 3.xから自動コンバータを通じて完全に変換可能で、LLM消費のための特別なパーサは必要とせず、CC BY 4.0の下でオープン仕様としてリリースされている。

関連論文リスト

• Automating API Documentation from Crowdsourced Knowledge [27.13413474270422]
  私たちは、Stack Overflow(SO)に関するオンラインディスカッションから抽出されたAPI知識でAPIドキュメントを生成するAutoDocと呼ばれる新しいアプローチを提案する。 以上の結果から,AutoDocが生成するAPIドキュメントの精度は77.7%,重複度9.5%,公式資料で発見された34.4%の知識を含むことがわかった。
  論文  参考訳（メタデータ） (2026-01-12T22:06:20Z)
• Framework-Aware Code Generation with API Knowledge Graph-Constructed Data: A Study on HarmonyOS [52.483888557864326]
  APIKG4SYNはAPI指向の質問コードペアの構築にAPIナレッジグラフを活用するように設計されたフレームワークである。 APIKG4SYNを使ったHarmonyOSコード生成のための最初のベンチマークを構築した。
  論文  参考訳（メタデータ） (2025-11-29T08:13:54Z)
• OASBuilder: Generating OpenAPI Specifications from Online API Documentation with Large Language Models [10.54692787937075]
  OASBuilderは、長く多様なAPIドキュメントページを一貫性のあるマシン可読性のAPI仕様に変換するフレームワークである。 OASBuilderはエンタープライズ環境でうまく実装されており、何千時間もの手作業が省かれています。
  論文  参考訳（メタデータ） (2025-07-07T14:36:13Z)
• ExploraCoder: Advancing code generation for multiple unseen APIs via planning and chained exploration [70.26807758443675]
  ExploraCoderはトレーニング不要のフレームワークで、大規模な言語モデルにコードソリューションで見えないAPIを呼び出す権限を与える。 実験の結果、ExploreaCoderは、事前のAPI知識に欠けるモデルのパフォーマンスを大幅に改善することが示された。
  論文  参考訳（メタデータ） (2024-12-06T19:00:15Z)
• A Comprehensive Framework for Evaluating API-oriented Code Generation in Large Language Models [14.665460257371164]
  GitHub CopilotやChatGPTのような大規模言語モデル(LLM)は、コード生成の強力なツールとして登場した。 API指向コード生成におけるLLMの機能を評価するために設計されたフレームワークであるAutoAPIEvalを提案する。
  論文  参考訳（メタデータ） (2024-09-23T17:22:09Z)
• A Systematic Evaluation of Large Code Models in API Suggestion: When, Which, and How [53.65636914757381]
  API提案は、現代のソフトウェア開発において重要なタスクである。 大規模コードモデル(LCM)の最近の進歩は、API提案タスクにおいて有望であることを示している。
  論文  参考訳（メタデータ） (2024-09-20T03:12:35Z)
• SpeCrawler: Generating OpenAPI Specifications from API Documentation Using Large Language Models [8.372941103284774]
  SpeCrawlerは、さまざまなAPIドキュメントからOpenAPI仕様を生成する包括的なシステムである。 本稿では,実証的証拠とケーススタディに支えられたSpeCrawlerの方法論について考察する。
  論文  参考訳（メタデータ） (2024-02-18T15:33:24Z)
• InferCept: Efficient Intercept Support for Augmented Large Language Model Inference [9.669098954493114]
  本稿では,拡張LDMを対象とした最初のLLM推論フレームワークであるInferCeptについて述べる。 InferCeptは、LLMインターセプションによるGPUリソースの無駄を最小化し、より多くのリクエストを処理するために保存されたメモリを割り当てる。 InferCeptはサービス全体のスループットを1.6x-2x改善し、最先端のLCM推論システムと比較して毎秒2倍のリクエストを処理します。
  論文  参考訳（メタデータ） (2024-02-02T19:47:57Z)
• Evaluating Embedding APIs for Information Retrieval [51.24236853841468]
  ドメインの一般化と多言語検索における既存のセマンティック埋め込みAPIの機能を評価する。 BM25の結果をAPIを使って再ランク付けすることは、予算に優しいアプローチであり、英語でもっとも効果的である。 非英語検索では、再ランク付けは結果を改善するが、BM25のハイブリッドモデルは高いコストで機能する。
  論文  参考訳（メタデータ） (2023-05-10T16:40:52Z)
• API-Miner: an API-to-API Specification Recommendation Engine [1.8352113484137629]
  API-MinerはAPI-to-API仕様推奨エンジンである。 OpenAPIで記述された関連する仕様コンポーネントを検索する。 定量的タスクと定性タスクの両方において,API-Minerを評価した。
  論文  参考訳（メタデータ） (2022-12-14T14:43:51Z)

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。