論文の概要: ReCodeAgent: A Multi-Agent Workflow for Language-agnostic Translation and Validation of Large-scale Repositories

• arxiv url: http://arxiv.org/abs/2604.07341v1
• Date: Wed, 08 Apr 2026 17:54:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-09 17:30:51.669236
• Title: ReCodeAgent: A Multi-Agent Workflow for Language-agnostic Translation and Validation of Large-scale Repositories
• Title（参考訳）: ReCodeAgent: 言語に依存しない翻訳のためのマルチエージェントワークフローと大規模リポジトリの検証
• Authors: Ali Reza Ibrahimzada, Brandon Paulsen, Daniel Kroening, Reyhaneh Jabbarvand,
• Abstract要約: ReCodeAgentは、言語に依存しないリポジトリレベルのコード翻訳と検証のための、自律的なマルチエージェントアプローチである。 本稿では,ReCodeAgentの有効性を,実世界のプロジェクト118件を翻訳するための4つの代替的ニューロシンボリックおよびエージェント的アプローチと比較する。
• 参考スコア（独自算出の注目度）: 5.72515320527179
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Most repository-level code translation and validation techniques have been evaluated on a single source-target programming language (PL) pair, owing to the complex engineering effort required to adapt new PL pairs. Programming agents can enable PL-agnosticism in repository-level code translation and validation: they can synthesize code across many PLs and autonomously use existing tools specific to each PL's analysis. However, state-of-the-art has yet to offer a fully autonomous agentic approach for repository-level code translation and validation of large-scale programs. This paper proposes ReCodeAgent, an autonomous multi-agent approach for language-agnostic repository-level code translation and validation. Users only need to provide the project in the source PL and specify the target PL for ReCodeAgent to automatically translate and validate the entire repository. ReCodeAgent is the first technique to achieve high translation success rates across many PLs. We compare the effectiveness of ReCodeAgent with four alternative neuro-symbolic and agentic approaches to translate 118 real-world projects, with 1,975 LoC and 43 translation units for each project, on average. The projects cover 6 PLs (C, Go, Java, JavaScript, Python, and Rust) and 4 PL pairs (C-Rust, Go-Rust, Java-Python, Python-JavaScript). Our results demonstrate that ReCodeAgent consistently outperforms prior techniques on translation correctness, improving test pass rate by 60.8% on ground-truth tests, with an average cost of $15.3. We also perform process-centric analysis of ReCodeAgent trajectories to confirm its procedural efficiency. Finally, we investigate how the design choices (a multi-agent vs. single-agent architecture) influence ReCodeAgent performance: on average, the test pass rate drops by 40.4%, and trajectories become 28% longer and persistently inefficient.
• Abstract（参考訳）: ほとんどのリポジトリレベルのコード変換と検証技術は、新しいPLペアを適応させるために必要な複雑なエンジニアリング作業のため、単一のソースターゲットプログラミング言語(PL)ペアで評価されている。 プログラムエージェントは、リポジトリレベルのコード翻訳とバリデーションでPL非依存を可能にする: 多数のPLにまたがるコードを合成し、各PLの分析に特有の既存のツールを自律的に使用することができる。 しかし、現状では、リポジトリレベルのコード翻訳と大規模プログラムの検証に対して、完全に自律的なエージェントアプローチを提供していない。 本稿では,言語に依存しないリポジトリレベルのコード翻訳と検証のための,自律型マルチエージェント手法ReCodeAgentを提案する。 ユーザはソースPLにプロジェクトを提供し、リポジトリ全体を自動翻訳して検証するReCodeAgentのターゲットPLを指定するだけでよい。 ReCodeAgentは多くのPL間で高い翻訳成功率を達成する最初の技術である。 我々はReCodeAgentの有効性を,118の現実世界のプロジェクトを平均で1,975のLoCと43の翻訳ユニットで翻訳するための4つの代替的ニューロシンボリックおよびエージェント的アプローチと比較した。 プロジェクトは6つのPL(C、Go、Java、JavaScript、Python、Rust)と4つのPLペア(C-Rust、Go-Rust、Java-Python、Python-JavaScript)をカバーする。 以上の結果から,ReCodeAgentの翻訳精度は従来手法よりも向上し,地上試験では60.8%向上し,平均費用は15.3ドルであった。 また,ReCodeAgentトラジェクトリのプロセス中心解析を行い,手続き効率を確認した。 最後に、設計選択(マルチエージェント対シングルエージェントアーキテクチャ)がReCodeAgentのパフォーマンスにどのように影響するかを検討する。

関連論文リスト

• AgentArk: Distilling Multi-Agent Intelligence into a Single LLM Agent [57.10083973844841]
  AgentArkは、マルチエージェントダイナミクスを単一のモデルの重みに蒸留する新しいフレームワークである。 各種モデル,タスク,スケーリング,シナリオの3つの階層的蒸留戦略について検討する。 シミュレーションからトレーニングへ計算の負担をシフトさせることで、蒸留されたモデルは、複数のエージェントの強い推論と自己補正性能を示しながら、一つのエージェントの効率を保ちます。
  論文  参考訳（メタデータ） (2026-02-03T19:18:28Z)
• MEnvAgent: Scalable Polyglot Environment Construction for Verifiable Software Engineering [54.236614097082395]
  本稿では,自動環境構築のためのフレームワークであるMEnvAgentを紹介する。 MEnvAgentは、建設失敗を自律的に解決するマルチエージェント計画実行検証アーキテクチャを採用している。 MEnvData-SWEは,これまでで最大の,現実的な検証可能なDocker環境のポリグロットデータセットである。
  論文  参考訳（メタデータ） (2026-01-30T11:36:10Z)
• BabelCoder: Agentic Code Translation with Specification Alignment [7.64108921132755]
  本稿では,BabelCoderについて紹介する。BabelCoderは,タスクを特殊なエージェントに分解して,翻訳,テスト,洗練を行うためのエージェントフレームワークである。 BabelCoderは94%のケースで既存のメソッドを0.5%-13.5%上回り、平均精度は94.16%である。
  論文  参考訳（メタデータ） (2025-12-07T15:57:54Z)
• MatchFixAgent: Language-Agnostic Autonomous Repository-Level Code Translation Validation and Repair [5.451770256943523]
  コード変換はソースコードをあるプログラミング言語(PL)から別のプログラミング言語に変換する。 既存の自動検証と修復アプローチは、高いエンジニアリングオーバーヘッドのため、多くのPLに一般化するのに苦労している。 我々は,大言語モデル(LLM)に基づく,等価性検証と翻訳の修復のためのPLに依存しないフレームワークであるMatchFixAgentを開発した。
  論文  参考訳（メタデータ） (2025-09-19T17:46:13Z)
• RepoTransAgent: Multi-Agent LLM Framework for Repository-Aware Code Translation [6.2036957709296665]
  RepoTransAgentはリポジトリ対応コード翻訳のための新しいマルチエージェントフレームワークである。 RepoTransAgentを6つの人気のあるオープンソースプロジェクトから数百のJava-C#の翻訳ペアで評価する。
  論文  参考訳（メタデータ） (2025-08-25T06:56:22Z)
• DS-Agent: Automated Data Science by Empowering Large Language Models with Case-Based Reasoning [56.887047551101574]
  大規模言語モデル(LLM)エージェントとケースベース推論(CBR)を利用した新しいフレームワークであるDS-Agentを提案する。 開発段階では、DS-AgentはCBRフレームワークに従い、自動イテレーションパイプラインを構築する。 デプロイメントの段階では、DS-Agentは、シンプルなCBRパラダイムで低リソースのデプロイメントステージを実装し、LCMの基本能力に対する需要を大幅に削減する。
  論文  参考訳（メタデータ） (2024-02-27T12:26:07Z)
• CodeAgent: Enhancing Code Generation with Tool-Integrated Agent Systems for Real-World Repo-level Coding Challenges [41.038584732889895]
  大規模言語モデル(LLM)は自動コード生成において有望であるが、通常は単純なタスクでのみ優れている。 私たちの研究は、実世界のリポジトリレベルのコード生成という、より現実的な設定でLLMを評価することに向かっています。 我々は,効率的なリポジトリレベルのコード生成に外部ツールを利用する,新しいLLMベースのエージェントフレームワークであるCodeAgentを紹介する。
  論文  参考訳（メタデータ） (2024-01-14T18:12:03Z)
• CodeFuse-13B: A Pretrained Multi-lingual Code Large Language Model [58.127534002232096]
  本稿では,オープンソースの事前学習型LLMであるCodeFuse-13Bを紹介する。 英語と中国語の両方のプロンプトによるコード関連のタスク用に特別に設計されている。 CodeFuseは、高品質な事前トレーニングデータセットを利用することで、その効果を達成する。
  論文  参考訳（メタデータ） (2023-10-10T02:38:44Z)

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。