論文の概要: Towards the Readability of LLM-Generated Codes through Multitask Representation Engineering

• arxiv url: http://arxiv.org/abs/2606.06214v1
• Date: Thu, 04 Jun 2026 14:24:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-05 22:39:44.853189
• Title: Towards the Readability of LLM-Generated Codes through Multitask Representation Engineering
• Title（参考訳）: マルチタスク表現工学によるLLM生成コードの可読性向上に向けて
• Abstract要約: ターゲット制御による可読性向上は、主観的な性質のため難しい。 我々は、低データ依存と低計算コストの特性を考慮し、表現工学(RepE)を目標制御法として採用する。 本稿では、マルチタスクRepEフレームワークを提案し、コード可読性と正確性の間のトレードオフに対するマルチタスクステアリング法の影響を理論的に論じる。
• 参考スコア（独自算出の注目度）: 8.117845725118054
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Correctness and readability are key measures of code quality, respectively ensuring functional fidelity and ease of comprehension. While most existing research focuses on improving the correctness of large language models~(LLMs) generated codes, readability remains under-addressed. Enhancing readability through targeted control is challenging due to its subjective nature. In this article, we employ representation engineering~(RepE) as the targeted control method given its characteristics of low data dependency and low computational cost. Prior work on RepE has primarily focused on the targeted control for a single task, but improving the code readability requires the control across multiple tasks. Accordingly we proposes the multitask RepE framework and theoretically discuss the impact of the multitask steering method on the tradeoff between the code readability and correctness. We further provide comprehensive experiments in support. All the relevant implementations are open-source and available upon request.
• Abstract（参考訳）: 正確さと可読性はコード品質の重要な指標であり、それぞれが機能的忠実さと理解の容易さを保証する。 既存のほとんどの研究は、大きな言語モデル~(LLM)生成コードの正確性の改善に重点を置いているが、可読性は未解決のままである。 ターゲット制御による可読性向上は、主観的な性質のため難しい。 本稿では,データ依存性の低さと計算コストの低さを考慮し,目的とする制御手法として表現工学~(RepE)を用いる。 RepEの以前の作業は、主に1つのタスクを対象とするコントロールに重点を置いていたが、コードの可読性を改善するには、複数のタスクをまたいだコントロールが必要である。 そこで我々は、マルチタスクRepEフレームワークを提案し、コード可読性と正確性の間のトレードオフに対するマルチタスクステアリング手法の影響を理論的に論じる。 支援のための総合的な実験も提供します。 関連する実装はすべてオープンソースで、要求に応じて利用可能です。

関連論文リスト

• ClarifyCodeBench: Evaluating LLMs on Clarifying Ambiguous Requirements for Code Generation [54.788849448970154]
  我々はClarifyCodeBenchを紹介した。ClarifyCodeBenchは、要求のあいまいさを解決するためのLarge Language Modelsの機能を評価するための、インタラクティブなベンチマークだ。 ClarifyCodeBenchを用いて、6つの最先端LCMの体系的評価を行う。 1) 能力の疎結合: 強いコード生成性能は本質的には効果的な要求の明確化に変換されない; 2) 推論パラドックス: 計算思考の増大はコードの正確性を高めるが、あいまいさの識別において限界的な利益をもたらす。
  論文  参考訳（メタデータ） (2026-07-01T09:58:59Z)
• The Readability Spectrum: Patterns, Issues, and Prompt Effects in LLM-Generated Code [17.217657853406404]
  主要言語モデル (LLM) が生成するコードの可読性は, 5,869 のシナリオで評価した。 現在のLLMは、人間が書いたコードに匹敵する全体的な可読性を持つコードを生成するが、異なる可読性の問題パターンを表示する。 この結果から,LLM生成コードは可読性において人書きコードと少なくとも同等であり,ソフトウェアへの体系的統合の可能性が確認された。 一方、異なる可読性の問題パターンとプロンプトエンジニアリングの有効性の制限は、遅れた技術的負債を明らかにします。
  論文  参考訳（メタデータ） (2026-05-13T09:58:21Z)
• Evaluating and Achieving Controllable Code Completion in Code LLM [89.64782747840225]
  命令誘導型コード補完ベンチマークである制御可能コード補完ベンチマーク(C3-Bench)を提案する。 コード補完作業中に,オープンソースのプロプライエタリモデルと高度なプロプライエタリモデルの間に,命令追従機能にかなりのギャップがあることを明らかにする。 結果として得られたQwen2.5-Coder-C3は、C3-Bench上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-01-22T11:40:04Z)
• Parameter-Efficient Multi-Task Fine-Tuning in Code-Related Tasks [4.347703075408796]
  本稿では,コード生成,翻訳,要約という3つのタスクにまたがるマルチタスクQLoRAの微調整について検討する。 その結果,マルチタスクQLoRAは伝達学習を効果的に活用し,競争力や優れた性能を実現していることがわかった。 より大きなモデルは正しさと品質のバランスを保ち、より小さなモデルは機能を維持するが、品質に関する問題の発生頻度が高い。
  論文  参考訳（メタデータ） (2026-01-21T15:33:16Z)
• CodeSimpleQA: Scaling Factuality in Code Large Language Models [55.705748501461294]
  本稿では,コード関連質問への回答において,LLMの実際の精度を評価するための総合的なベンチマークであるCodeSimpleQAを提案する。 また,66万サンプルの大規模インストラクションコーパスであるCodeSimpleQA-Instructを作成し,教師付き微調整と強化学習を組み合わせたポストトレーニングフレームワークを開発した。
  論文  参考訳（メタデータ） (2025-12-22T14:27:17Z)
• From Code Foundation Models to Agents and Applications: A Practical Guide to Code Intelligence [150.3696990310269]
  大規模言語モデル(LLM)は、自然言語記述を直接関数コードに変換することによって、自動ソフトウェア開発を変革した。 コードLLMに関する総合的な合成と実践的ガイド(一連の解析および探索実験)を提供する。 一般LLM(GPT-4, Claude, LLaMA)とコード特殊化LLM(StarCoder, Code LLaMA, DeepSeek-Coder, QwenCoder)のコード機能の解析を行う。
  論文  参考訳（メタデータ） (2025-11-23T17:09:34Z)
• DebugTA: An LLM-Based Agent for Simplifying Debugging and Teaching in Programming Education [32.673843958049254]
  プログラミングと指導(DT)タスクでは、学生は誤ったコードを修正する支援を受ける。 DebugTA, 標準コード検索専用ツール, 参照コード調整用変数置換, リアルタイムコード解析用外部コンパイラを提案する。 DebugTAは、計算コストを大幅に削減しつつ、教育効率を継続的に改善することを示す。
  論文  参考訳（メタデータ） (2025-10-13T07:17:18Z)
• Enhancing Cross-task Transfer of Large Language Models via Activation Steering [75.41750053623298]
  クロスタスク・イン・コンテキスト学習はタスク間で知識を伝達する直接的なソリューションを提供する。 パラメータ更新や入力拡張を伴わずに、潜時空間ステアリングによりクロスタスク転送を実現することができるかを検討する。 本稿では,モデルの内部アクティベーション状態を操作することで,効率的な転送を可能にするクロスタスク・アクティベーション・ステアリング・トランスファー・フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-07-17T15:47:22Z)
• CodeIF: Benchmarking the Instruction-Following Capabilities of Large Language Models for Code Generation [20.013757490442064]
  タスク指向の命令に準拠する大規模言語モデル(LLM)の能力を評価するために設計された最初のベンチマークであるCodeIFを紹介する。 CodeIFは関数合成、アルゴリズム命令、コード説明など幅広いタスクを含んでいる。 我々はLLMによる広範囲な実験を行い、これらの課題の要求を満たす上での強みと限界を分析した。
  論文  参考訳（メタデータ） (2025-02-26T14:19:49Z)
• RGD: Multi-LLM Based Agent Debugger via Refinement and Generation Guidance [0.6062751776009752]
  大規模言語モデル(LLM)は、コード生成タスクにおいて驚くべきポテンシャルを示しています。 LLMはタスク記述に基づいてコードを生成することができるが、精度は限られている。 コード生成と自動デバッグのためのLLMエージェントの新しいアーキテクチャ:Refinement and Guidancebug (RGD)を紹介する。 RGDはコード生成タスクを複数のステップに分割し、より明確なワークフローを確保し、自己回帰とフィードバックに基づいた反復的なコード改善を可能にする。
  論文  参考訳（メタデータ） (2024-10-02T05:07:02Z)
• StepCoder: Improve Code Generation with Reinforcement Learning from Compiler Feedback [58.20547418182074]
  2つの主要コンポーネントからなるコード生成の新しいフレームワークであるStepCoderを紹介します。 CCCSは、長いシーケンスのコード生成タスクをCurriculum of Code Completion Subtaskに分割することで、探索課題に対処する。 FGOは、未実行のコードセグメントをマスクすることでのみモデルを最適化し、Fine-Grained Optimizationを提供する。 提案手法は,出力空間を探索し,対応するベンチマークにおいて最先端の手法より優れた性能を発揮する。
  論文  参考訳（メタデータ） (2024-02-02T13:14:31Z)
• Value Functions are Control Barrier Functions: Verification of Safe Policies using Control Theory [46.85103495283037]
  本稿では,制御理論から学習値関数への検証手法の適用方法を提案する。 我々は値関数と制御障壁関数の間の関係を確立する原定理を定式化する。 我々の研究は、RLベースの制御システムの汎用的でスケーラブルで検証可能な設計のための公式なフレームワークに向けた重要な一歩である。
  論文  参考訳（メタデータ） (2023-06-06T21:41:31Z)

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。