論文の概要: MigMate: A VS Code Extension for LLM-based Library Migration of Python Projects
- arxiv url: http://arxiv.org/abs/2603.01596v1
- Date: Mon, 02 Mar 2026 08:26:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.764831
- Title: MigMate: A VS Code Extension for LLM-based Library Migration of Python Projects
- Title（参考訳）: MigMate: PythonプロジェクトのLLMベースのライブラリマイグレーションのためのVS Codeエクステンション
- Authors: Matthias Kebede, May Mahmoud, Mohayeminul Islam, Sarah Nadi,
- Abstract要約: これまでの研究では,コマンド行LLMベースのマイグレーションツールであるMigrateLibを開発した。
MigMateはMigrateLib上に構築されており、自動マイグレーションプロセスを開発者の既存の開発環境に統合する。
予備的なユーザスタディでは、プラグインの使用がライブラリ移行タスクの完了に要する時間を一貫して短縮することを示している。
- 参考スコア（独自算出の注目度）: 0.8586348698580818
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern software relies heavily on third-party software libraries to streamline the development process. The act of switching one library for a similar counterpart, called library migration, naturally occurs as libraries become outdated or unsuitable for the project. Manually migrating from one library to another is a time-consuming task. Our previous research developed MigrateLib, a command-line LLM-based migration tool that can automate the complete migration process. In this paper, we present our open-source VS Code IDE plugin, MigMate, that builds on MigrateLib by integrating the automated migration process into the developer's existing development environment. MigMate provides an interactive experience, allowing developers to view and confirm changes before they are applied. A preliminary user study shows that plugin usage consistently reduces the time taken to complete a library migration task, and it scores highly on the System Usability Scale.
- Abstract（参考訳）: 現代のソフトウェアは、開発プロセスを合理化するためにサードパーティのソフトウェアライブラリに大きく依存している。
ライブラリマイグレーションと呼ばれる、同じライブラリに切り替える行為は、ライブラリが時代遅れになったり、プロジェクトに不向きになったりして自然に発生する。
手動でライブラリから別のライブラリへ移行するのは時間を要する作業です。
これまでの研究では,完全なマイグレーションプロセスを自動化するコマンドラインLLMベースのマイグレーションツールであるMigrateLibを開発した。
本稿では、MigrateLibをベースとしたオープンソースのVS Code IDEプラグインであるMigMateについて、開発者の既存の開発環境に自動マイグレーションプロセスを統合することで紹介する。
MigMateはインタラクティブなエクスペリエンスを提供しており、開発者は適用前に変更を確認し確認することができる。
予備的なユーザスタディでは、プラグインの使用がライブラリ移行タスクの完了に要する時間を一貫して削減し、System Usability Scaleで高いスコアが得られた。
関連論文リスト
- SPELL: Synthesis of Programmatic Edits using LLMs [10.41623927140964]
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。
論文 参考訳（メタデータ） (2026-02-01T09:03:56Z) - 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) - Analyzing C/C++ Library Migrations at the Package-level: Prevalence, Domains, Targets and Rationals across Seven Package Management Tools [11.76396912076385]
本稿では,異なるパッケージ管理ツールを利用する19,943のC/C++プロジェクトを分析し,最初のC/C++ライブラリマイグレーションデータセットを確立する。
C/C++ライブラリ移行の全体的な傾向は、Javaに似ています。
コンパイル時間の短縮や依存性管理の統合など,C/C++固有のマイグレーション理由が4つあります。
論文 参考訳（メタデータ） (2025-07-04T02:44:38Z) - 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) - MigGPT: Harnessing Large Language Models for Automated Migration of Out-of-Tree Linux Kernel Patches Across Versions [53.811953357289866]
大規模言語モデル(LLM)は、様々な領域で顕著な進歩を示している。
LLMは不完全なコードコンテキスト理解と不正確なマイグレーションポイント識別に苦労する。
MigGPTは、コードスニペット情報を保持するために新しいコード指紋構造を使用するフレームワークである。
論文 参考訳（メタデータ） (2025-04-13T08:08:37Z) - Towards Modular LLMs by Building and Reusing a Library of LoRAs [64.43376695346538]
マルチタスクデータに対して最適なアダプタライブラリを構築する方法について検討する。
モデルベースクラスタリング(MBC)を導入し,パラメータの類似性に基づいてタスクをグループ化する手法を提案する。
ライブラリを再使用するために,最も関連性の高いアダプタの動的選択を可能にする新しいゼロショットルーティング機構であるArrowを提案する。
論文 参考訳（メタデータ） (2024-05-18T03:02:23Z) - 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) - ML-Bench: Evaluating Large Language Models and Agents for Machine Learning Tasks on Repository-Level Code [76.84199699772903]
ML-Benchは、既存のコードリポジトリを利用してタスクを実行する現実世界のプログラミングアプリケーションに根ざしたベンチマークである。
LLM(Large Language Model)とAIエージェントの両方を評価するために、事前に定義されたデプロイメント環境でLLMのテキスト-コード変換を評価するML-LLM-Benchと、Linuxサンドボックス環境でエンドツーエンドのタスク実行で自律エージェントをテストするML-Agent-Benchの2つの設定が採用されている。
論文 参考訳（メタデータ） (2023-11-16T12:03:21Z) - CodeTF: One-stop Transformer Library for State-of-the-art Code LLM [72.1638273937025]
我々は、最先端のCode LLMとコードインテリジェンスのためのオープンソースのTransformerベースのライブラリであるCodeTFを紹介する。
我々のライブラリは、事前訓練されたコードLLMモデルと人気のあるコードベンチマークのコレクションをサポートします。
CodeTFが機械学習/生成AIとソフトウェア工学のギャップを埋められることを願っている。
論文 参考訳（メタデータ） (2023-05-31T05:24:48Z) - SequeL: A Continual Learning Library in PyTorch and JAX [50.33956216274694]
SequeLは継続学習のためのライブラリで、PyTorchとJAXフレームワークの両方をサポートする。
それは、正規化ベースのアプローチ、リプレイベースのアプローチ、ハイブリッドアプローチを含む、幅広い連続学習アルゴリズムのための統一インターフェースを提供する。
私たちはSequeLをオープンソースライブラリとしてリリースし、研究者や開発者が自身の目的で簡単にライブラリを実験し拡張することができます。
論文 参考訳（メタデータ） (2023-04-21T10:00:22Z) - Code Librarian: A Software Package Recommendation System [65.05559087332347]
オープンソースライブラリ用のリコメンデーションエンジンであるLibrarianを提示する。
1)プログラムのインポートライブラリで頻繁に使用されること、2)プログラムのインポートライブラリと似た機能を持つこと、3)開発者の実装と似た機能を持つこと、4)提供されるコードのコンテキストで効率的に使用できること、である。
論文 参考訳（メタデータ） (2022-10-11T12:30:05Z) - 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。