論文の概要: Neural Code Translation of Legacy Code: APL to C#

• arxiv url: http://arxiv.org/abs/2605.13896v1
• Date: Tue, 12 May 2026 12:11:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.402441
• Title: Neural Code Translation of Legacy Code: APL to C#
• Title（参考訳）: レガシーコードのニューラルコード翻訳: APL to C#
• Authors: Abdulrahman Ramadan, Hanen Borchani, Iben Lilholm, Mikkel Almind, Allan Peter Engsig-Karup,
• Abstract要約: 本稿では,大規模言語モデルを用いたAPLのC#への変換について検討する。 本稿では,APL-to-C#翻訳のための新しいフレームワークを提案する。 この結果から,APLとC#のギャップをニューラルネットワークによる翻訳で埋めることが可能であることが示唆された。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automatic translation between programming languages remains a challenging problem, particularly when the source language is highly concise and specialized. This paper investigates the translation of APL into C# using large language models. The task is difficult due to APL's sparse syntax, the scarcity of large-scale parallel corpora, and the requirement for specialized knowledge to interpret APL programs. To address these challenges, we introduce a novel framework for APL-to-C# translation by comparing three guided strategies, namely natural language description-mediated, retrieval-augmented, and iterative refinement, against a baseline direct translation model. We constructed multiple datasets of functionally equivalent code pairs spanning various levels of complexity, and to rigorously assess translation quality, we developed an automated evaluation pipeline that verifies both syntactic compilation and functional execution of the generated C# code. Our results demonstrate that neural code translation can successfully bridge the gap between APL and C# for a wide range of programs, and that incorporating additional context and guidance significantly improves model performance.
• Abstract（参考訳）: プログラミング言語間の自動翻訳は、特にソースコードが簡潔で専門的な場合、依然として難しい問題である。 本稿では,大規模言語モデルを用いたAPLのC#への変換について検討する。 タスクは、APLのスパース構文、大規模並列コーパスの不足、APLプログラムを解釈するための専門知識の要求により困難である。 これらの課題に対処するため,APL-to-C#翻訳のための新しいフレームワークを提案する。 様々なレベルの複雑さにまたがる機能的に等価なコードペアのデータセットを複数構築し、翻訳品質を厳格に評価するために、生成したC#コードの構文的コンパイルと機能的実行の両方を検証する自動評価パイプラインを開発した。 この結果から,APLとC#のギャップをニューラルネットワークで埋めることができ,追加のコンテキストとガイダンスを組み込むことで,モデルの性能が大幅に向上することが示唆された。

関連論文リスト

• Boosting Automatic Java-to-Cangjie Translation with Multi-Stage LLM Training and Error Repair [23.50835504751422]
  本稿では,Java コードを Cangjie コードに変換するための反復的エラー修復手法を用いたトレーニングフレームワークを提案する。 実験の結果, 並列データに制限があるため, 現状の手法に比べて機能的等価性は6.06%向上することがわかった。
  論文  参考訳（メタデータ） (2026-05-08T07:58:12Z)
• IFEvalCode: Controlled Code Generation [69.28317223249358]
  本稿では,Code LLMの命令追従能力を改善するために,前方および後方制約生成を提案する。 IFEvalCodeは、7つのプログラミング言語の1.6Kテストサンプルからなる多言語ベンチマークである。
  論文  参考訳（メタデータ） (2025-07-30T08:08:48Z)
• NoviCode: Generating Programs from Natural Language Utterances by Novices [59.71218039095155]
  初心者非プログラマによるAPIと自然言語記述を入力とする新しいNLプログラミングタスクであるNoviCodeを提示する。 我々は、NoviCodeがコード合成領域における挑戦的なタスクであることを示し、非技術的命令から複雑なコードを生成することは、現在のText-to-Codeパラダイムを超えている。
  論文  参考訳（メタデータ） (2024-07-15T11:26:03Z)
• Synthetic Programming Elicitation for Text-to-Code in Very Low-Resource Programming and Formal Languages [21.18996339478024]
  SPEAC(emphsynthetic programming elicitation and compilation)を紹介する。 SPEACは、より頻繁に、意味的正しさを犠牲にすることなく、構文的に正しいプログラムを生成する。 UCLID5形式検証言語のケーススタディにおいて,SPEACの性能を実証的に評価した。
  論文  参考訳（メタデータ） (2024-06-05T22:16:19Z)
• AdaCCD: Adaptive Semantic Contrasts Discovery Based Cross Lingual Adaptation for Code Clone Detection [69.79627042058048]
  AdaCCDは、その言語でアノテーションを使わずに、新しい言語のクローンコードを検出する新しい言語間適応手法である。 5つのプログラミング言語からなる多言語コードクローン検出ベンチマークを構築し,AdaCCDの言語間適応性を評価する。
  論文  参考訳（メタデータ） (2023-11-13T12:20:48Z)
• Using Document Similarity Methods to create Parallel Datasets for Code Translation [60.36392618065203]
  あるプログラミング言語から別のプログラミング言語へのソースコードの翻訳は、重要で時間を要する作業です。 本稿では、文書類似性手法を用いて、ノイズの多い並列データセットを作成することを提案する。 これらのモデルは、妥当なレベルのノイズに対して、地上の真実に基づいて訓練されたモデルと相容れない性能を示す。
  論文  参考訳（メタデータ） (2021-10-11T17:07:58Z)

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。