論文の概要: Contract-Coding: Towards Repo-Level Generation via Structured Symbolic Paradigm
- arxiv url: http://arxiv.org/abs/2604.13100v1
- Date: Fri, 10 Apr 2026 09:30:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-16 20:38:32.194983
- Title: Contract-Coding: Towards Repo-Level Generation via Structured Symbolic Paradigm
- Title（参考訳）: コントラクト符号化:構造化記号パラダイムによるレポレベル生成を目指して
- Abstract要約: 本稿では,非構造的意図と実行可能コードを自律的シンボルグラウンドでブリッジする構造的シンボリックパラダイムであるContract-Codingを提案する。
私たちのフレームワークは、トポロジカルな独立性を強制し、モジュール間実装の詳細を効果的に分離するシングルソース・オブ・トゥルースとして機能します。
私たちの作業は、厳格な"特定フォロー"から堅牢で意図的なアーキテクチャ合成に移行する、リポジトリスケールの自律エンジニアリングへの重要なステップです。
- 参考スコア（独自算出の注目度）: 3.237250457954442
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The shift toward intent-driven software engineering (often termed "Vibe Coding") exposes a critical Context-Fidelity Trade-off: vague user intents overwhelm linear reasoning chains, leading to architectural collapse in complex repo-level generation. We propose Contract-Coding, a structured symbolic paradigm that bridges unstructured intent and executable code via Autonomous Symbolic Grounding. By projecting ambiguous intents into a formal Language Contract, our framework serves as a Single Source of Truth (SSOT) that enforces topological independence, effectively isolating inter-module implementation details, decreasing topological execution depth and unlocking Architectural Parallelism. Empirically, while state-of-the-art agents suffer from different hallucinations on the Greenfield-5 benchmark, Contract-Coding achieves 47\% functional success while maintaining near-perfect structural integrity. Our work marks a critical step towards repository-scale autonomous engineering: transitioning from strict "specification-following" to robust, intent-driven architecture synthesis. Our code is available at https://github.com/imliinyi/Contract-Coding.
- Abstract（参考訳）: インテント駆動のソフトウェアエンジニアリング(しばしば"Vibe Coding"と呼ばれる)へのシフトは、重要なコンテキスト・フィデリティのトレードオフを明らかにしている。
本稿では,非構造的意図と実行可能コードを自律的シンボルグラウンドでブリッジする構造的シンボリックパラダイムであるContract-Codingを提案する。
形式的な言語契約に曖昧な意図を投影することにより、私たちのフレームワークは、トポロジカルな独立性を強制し、モジュール間実装の詳細を効果的に分離し、トポロジカルな実行深さを減らし、アーキテクチャ・パラレル主義をアンロックするシングルソース・オブ・トゥルース(SSOT)として機能します。
実証的には、最先端のエージェントがGreenfield-5ベンチマークで異なる幻覚に苦しむ一方で、Contract-Codingは、ほぼ完全な構造的整合性を維持しながら、47\%の機能的成功を達成している。
私たちの作業は、厳格な"特定フォロー"から堅牢で意図的なアーキテクチャ合成に移行する、リポジトリスケールの自律エンジニアリングへの重要なステップです。
私たちのコードはhttps://github.com/imliinyi/Contract-Coding.comで利用可能です。
関連論文リスト
- Advancing Omnimodal Embodied Agents from Isolated Skills to Everyday Physical Autonomy [79.09714980186278]
非構造化環境で永続的なエンボディエージェントを構築するには、異種ツールの統一的なオーケストレーションが必要である。
我々は,多モーダルなセマンティックプランナを統合したフレームワークであるOmniActを紹介した。
すべての複雑性レベルにわたって、エンドツーエンドの成功において一貫した改善が達成されます。
論文 参考訳（メタデータ） (2026-06-25T16:36:35Z) - Weave of Formal Thought [51.56484100374058]
WoFT(Weave of Formal Thought)は、厳密な構文的検証と学習された構造的表現を結合したパラダイムである。
本稿では,非終端文法記号を直接生成にインターリーブするために,言語モデルを訓練する潜時可変微調整法を提案する。
Pythonでは、RWS目的のStarCoder2-3Bを微調整することで、テキストのみのSFTベースラインと比較して、トーケン毎のクロスエントロピーが14.3%削減される。
論文 参考訳（メタデータ） (2026-06-24T15:58:11Z) - Provably Secure Agent Guardrail [89.79561918065122]
既存の防衛アーキテクチャは経験的セマンティックガードレールと確率論的大モデル調整器に依存している。
本稿では,論理的推論の基本的制約に基づくエージェントのための新しいセキュリティパラダイムを提案する。
論文 参考訳（メタデータ） (2026-05-28T02:12:41Z) - Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。
本稿では,再構築による理解という,新しいパラダイムを提案する。
マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T09:23:20Z) - Theory of Code Space: Do Code Agents Understand Software Architecture? [0.0]
コードエージェントは、分離されたタスクで優れているが、アーキテクチャの理解を必要とするマルチファイルソフトウェアエンジニアリングと苦労する。
エージェントがAI探索中に一貫性のあるアーキテクチャの信念を構築し、維持し、更新できるかどうかを評価するベンチマークである、コード空間の理論(ToCS)を紹介する。
論文 参考訳（メタデータ） (2026-02-28T11:40:17Z) - V-CAGE: Context-Aware Generation and Verification for Scalable Long-Horizon Embodied Tasks [6.820118518027692]
V-CAGEは、大規模なセマンティックアライメントデータセットを生成するクローズドループフレームワークである。
本研究では,シーン合成における幾何学的整合性を実現する文脈認識型インスタンス化機構を提案する。
また、階層的な命令分解モジュールを用いて、抽象意図と低レベル制御のギャップを埋める。
論文 参考訳（メタデータ） (2026-01-21T16:41:51Z) - AJAR: Adaptive Jailbreak Architecture for Red-teaming [1.356919241968803]
AJARは概念実証フレームワークであり、"赤チーム"と"アクションセキュリティ"のギャップを埋めるように設計されている。
AJARは実行ループから逆ロジックを分離し、X-Teamingのような最先端のアルゴリズムを標準化されたプラグイン・アンド・プレイサービスとしてカプセル化する。
AJARは、この出現する攻撃面の標準化された環境対応評価を容易にするために、オープンソース化されている。
論文 参考訳（メタデータ） (2026-01-16T03:30:40Z) - Synthesizing Procedural Memory: Challenges and Architectures in Automated Workflow Generation [0.5599792629509229]
本稿では、受動的ツールユーザからアクティブなワークフローアーキテクトへの移行を運用する。
エージェントは仮説、調査、コードの科学的方法論を強制することによって、堅牢で生産レベルのコードスキルを自律的に書けることを実証する。
論文 参考訳（メタデータ） (2025-12-23T11:33:32Z) - Completion by Comprehension: Guiding Code Generation with Multi-Granularity Understanding [37.78627994991325]
CoCoは、大規模なコードリポジトリから複数の粒度コンテキストでコード補完を可能にする新しいフレームワークである。
CrossCodeEvalとRepoEvalベンチマークの実験は、CoCoが最先端のベースラインを一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2025-12-04T07:37:59Z) - Multi-Actor Generative Artificial Intelligence as a Game Engine [49.360775442760314]
ジェネレーティブAIは、社会科学モデリングからインタラクティブな物語、AI評価に至るまで、マルチアクター環境で使用することができる。
ここでは、ゲームマスター(GM)が環境に責任を持ち、プレイヤーキャラクターの自発的な行動によって直接決定されないストーリーの全ての部分を生成できるテーブルトップロールプレイングゲーム(TTRPG)からインスピレーションを得るのが良い方法であると論じる。
論文 参考訳（メタデータ） (2025-07-10T22:31:09Z) - Outline, Then Details: Syntactically Guided Coarse-To-Fine Code
Generation [61.50286000143233]
ChainCoderは、Pythonコードを段階的に生成するプログラム合成言語モデルである。
自然言語記述と構文的に整合したI/Oデータサンプルを共同で符号化するために、カスタマイズされたトランスフォーマーアーキテクチャを利用する。
論文 参考訳（メタデータ） (2023-04-28T01:47:09Z)
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。