論文の概要: Toward Executable Repository-Level Code Generation via Environment Alignment

• arxiv url: http://arxiv.org/abs/2604.03622v1
• Date: Sat, 04 Apr 2026 07:37:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-07 15:49:18.677882
• Title: Toward Executable Repository-Level Code Generation via Environment Alignment
• Title（参考訳）: 環境アライメントによる実行可能レポジトリレベルコード生成に向けて
• Authors: Ruwei Pan, Junlei Shen, Linhao Wu, Yueheng Zhu, Zixiong Yang, Yakun Zhang, Lu Zhang, Hongyu Zhang,
• Abstract要約: EnvGraphはリポジトリレベルのコード生成のためのフレームワークで、環境アライメントの問題としてリポジトリの実行可能性を定義する。 継続的にリポジトリレベルのベンチマークで最高のパフォーマンスを達成します。
• 参考スコア（独自算出の注目度）: 9.29037042726132
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Large language models (LLMs) have achieved strong performance on code generation, but existing methods still struggle with repository-level code generation under executable validation. Under this evaluation setting, success is determined not by the plausibility of isolated code fragments, but by whether a generated multi-file repository can be successfully installed, have its dependencies and internal references resolved, be launched, and be validated in a real execution environment. To address this challenge, we propose EnvGraph, a framework for repository-level code generation that formulates repository executability as an environment alignment problem. EnvGraph jointly models two coupled conditions for successful repository execution, namely external dependency satisfaction and repository-internal reference resolution. It maintains a dual-layer environment representation, uses execution evidence to perform execution-evidence-based attribution, and guides repository generation through a unified targeted revision mechanism within an iterative alignment loop. We evaluate EnvGraph on repository-level code generation with three representative backbone LLMs and compare it against representative environment-aware and repository-level baselines. Experimental results show that EnvGraph consistently achieves the best performance on these repository-level benchmarks. In particular, it outperforms the strongest non-EnvGraph baseline by an absolute margin of 5.72--5.87 percentage points in Functional Correctness and 4.58--8.66 percentage points in Non-Functional Quality.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、コード生成において強力なパフォーマンスを達成したが、既存のメソッドは、実行可能なバリデーションの下でのリポジトリレベルのコード生成に苦戦している。 この評価設定の下では、成功は、分離されたコードフラグメントの妥当性によって決定されるのではなく、生成されたマルチファイルリポジトリを正常にインストールし、その依存関係と内部参照を解決し、起動し、実際の実行環境で検証することができるかどうかによって決定される。 この課題に対処するため,環境アライメント問題としてリポジトリ実行可能性を定式化する,リポジトリレベルのコード生成フレームワークであるEnvGraphを提案する。 EnvGraphは、リポジトリ実行を成功させるための2つの結合条件、すなわち外部依存性の満足度とリポジトリ内部の参照解決を共同でモデル化する。 二重層環境表現を維持し、実行エビデンスを使用して実行エビデンスベースの属性を実行し、反復アライメントループ内の統一されたターゲットリビジョンメカニズムを通じてリポジトリ生成をガイドする。 リポジトリレベルのコード生成において,3つの代表的なバックボーンLLMを用いてEnvGraphを評価し,環境認識やリポジトリレベルのベースラインと比較した。 実験の結果、EnvGraphはこれらのリポジトリレベルのベンチマークで常に最高のパフォーマンスを達成していることがわかった。 特に、非EnvGraphベースラインでは、機能的正確性の5.72--5.87ポイント、非機能的品質の4.58--8.66ポイントという絶対的なマージンで、最強の非EnvGraphベースラインを上回っている。

関連論文リスト

• VeriSoftBench: Repository-Scale Formal Verification Benchmarks for Lean [34.16542476896347]
  オープンソースのフォーマルメソッド開発から引き出された500リーン4の証明義務のベンチマークを導入します。 我々は、Mathlib型数学用に調整されたプローバーが、このリポジトリ中心の設定に不十分に移行していることを発見した。 証明の依存性のクロージャに制限されたキュレートされたコンテキストを提供することで、完全なリポジトリを公開することでパフォーマンスが向上する。
  論文  参考訳（メタデータ） (2026-02-20T16:05:06Z)
• 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)
• RustRepoTrans: Repository-level Code Translation Benchmark Targeting Rust [50.65321080814249]
  RustRepoTransは、インクリメンタル翻訳をターゲットにした、最初のリポジトリレベルのコンテキストコード変換ベンチマークである。 複雑な翻訳シナリオの制約を評価するために, 7つの代表的なLLMを評価し, それらの誤差を分析した。
  論文  参考訳（メタデータ） (2024-11-21T10:00:52Z)
• Codev-Bench: How Do LLMs Understand Developer-Centric Code Completion? [60.84912551069379]
  Code-Development Benchmark (Codev-Bench)は、細粒度で現実世界、リポジトリレベル、開発者中心の評価フレームワークです。 Codev-Agentは、リポジトリのクローリングを自動化し、実行環境を構築し、既存のユニットテストから動的呼び出しチェーンを抽出し、データ漏洩を避けるために新しいテストサンプルを生成するエージェントベースのシステムである。
  論文  参考訳（メタデータ） (2024-10-02T09:11:10Z)
• On the Impacts of Contexts on Repository-Level Code Generation [5.641402231731082]
  本稿ではレポジトリレベルのコード生成を評価するために設計された新しいベンチマークであるRepoExecを紹介する。 実行可能性、包括的なテストケース生成による機能的正当性、ファイル間のコンテキストの正確な利用という3つの重要な側面に注目します。
  論文  参考訳（メタデータ） (2024-06-17T10:45:22Z)
• R2C2-Coder: Enhancing and Benchmarking Real-world Repository-level Code Completion Abilities of Code Large Language Models [62.20537000942005]
  我々は,R2C2-Coderを提案し,大規模言語モデルの実世界のリポジトリレベルのコード補完能力を向上し,ベンチマークする。 R2C2-Coderには、コードプロンプトコンストラクションメソッドR2C2-Enhanceと、よく設計されたベンチマークR2C2-Benchが含まれている。
  論文  参考訳（メタデータ） (2024-06-03T14:24:29Z)
• RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation [96.75695811963242]
  RepoCoderはリポジトリレベルのコード補完プロセスを合理化するフレームワークである。 類似性ベースのレトリバーと、事前訓練されたコード言語モデルが組み込まれている。 バニラ検索で拡張されたコード補完アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2023-03-22T13:54:46Z)

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。