論文の概要: Agentic Generation of AST Transformation Rules for Fixing Breaking Updates

• arxiv url: http://arxiv.org/abs/2606.24446v1
• Date: Tue, 23 Jun 2026 11:27:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 22:16:48.916929
• Title: Agentic Generation of AST Transformation Rules for Fixing Breaking Updates
• Title（参考訳）: 破断更新のためのAST変換規則のエージェント生成
• Authors: Frank Reyes, Benoit Baudry, Martin Monperrus,
• Abstract要約: 固定変換を生成するエージェントフレームワークであるBigBagを紹介する。 BigBagは、APIレベルで修復ロジックをエンコードし、同じアップデートで壊れたクライアントに転送する。 プロジェクト間で生成された転送は、すべてのクライアントが影響を受けるAPI要素を均一に呼び出す更新のために、全体の33.3%と80%以上のプロジェクト間の修正率を達成する。
• 参考スコア（独自算出の注目度）: 7.3317421627601425
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Modern software projects depend on third-party libraries that evolve continuously, introducing breaking API changes that prevent client code from compiling after a dependency update. When the same library update breaks multiple projects, existing repair approaches generate project-specific patches that cannot be reused, requiring each affected project to be repaired independently. We present BigBag, an agentic framework that generates fixing transformations: structured, executable programs that encode the repair logic at the API level and transfer to any client broken by the same update. We evaluate BigBag on 157 compilation failure breaking dependency updates from the BUMP benchmark, across eight configurations combining four large language models and two AST transformation engines (Spoon and JavaParser). The best configuration achieves a compilable transformation rate of 94.3% and a fix rate of 78.6%. Generated transformations transfer across projects, achieving a cross-project fix rate of 33.3% overall and 80% or above for breaking updates where all clients invoke the affected API element uniformly. These results show that agentic generation of reusable fixing transformations is a viable approach to scalable repair of breaking updates.
• Abstract（参考訳）: 最新のソフトウェアプロジェクトは、継続的に進化するサードパーティのライブラリに依存しており、依存関係の更新後にクライアントコードがコンパイルされないように、APIの変更を壊す。 同じライブラリのアップデートが複数のプロジェクトを壊すと、既存の修復アプローチは再利用できないプロジェクト固有のパッチを生成し、影響を受ける各プロジェクトを独立して修復する必要がある。 構造化された実行可能なプログラムで、APIレベルで修復ロジックをエンコードし、同じアップデートで壊れたクライアントに転送します。 5つの大きな言語モデルと2つのAST変換エンジン(SpoonとJavaParser)を組み合わせた8つの構成で、BUMPベンチマークからの依存性更新を破る157のコンパイル障害についてBigBagを評価した。 最高の構成はコンパイル可能な変換率94.3%、固定率78.6%を達成する。 生成した変換はプロジェクト間で転送され、すべてのクライアントが影響のあるAPI要素を均一に呼び出す更新を行うために、全体の33.3%と80%以上のプロジェクト間の修正率を達成する。 これらの結果は、再利用可能な修正変換のエージェント的生成が、破壊更新のスケーラブルな修復に有効なアプローチであることを示している。

関連論文リスト

• BA-T: An Iterative Transformer for Two-View Bundle Adjustment [53.16990349592508]
  暗黙のトークン空間における繰り返し可能なレイヤとして,BAスタイルの構造化更新を実装した反復変換器であるBA-Tを提案する。 実験により、BA-Tは反復間におけるポーズと再構成の精度を徐々に改善することが示された。 BA-Tは、奥行き重心に対するコンパクトで効率的で構造的な代替手段を提供し、軽量アーキテクチャ内で正確な3D再構成を可能にする。
  論文  参考訳（メタデータ） (2026-06-02T07:51:14Z)
• QiMeng-PRepair: Precise Code Repair via Edit-Aware Reward Optimization [50.722636027998]
  大規模言語モデル (LLM) はプログラム修復性能が高いが、しばしば過剰な編集に悩まされる。 オーバー編集を軽減し,修復精度を向上させるフレームワークであるPRepairを提案する。
  論文  参考訳（メタデータ） (2026-04-07T14:56:38Z)
• Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
  RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。 複数の多様な実装設計を生成することで、線形パッチから切り離される。 NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
  論文  参考訳（メタデータ） (2026-03-02T12:50:40Z)
• Can Language Models Go Beyond Coding? Assessing the Capability of Language Models to Build Real-World Systems [44.748487030119]
  大規模言語モデル(LLM)は、ソフトウェア工学における潜在的な可能性を示している。 命令セットアーキテクチャ(ISA)間のマイグレーション中にソフトウェアを修復する能力を評価するベンチマークは少ない。
  論文  参考訳（メタデータ） (2025-11-02T03:23:07Z)
• Refactoring-Aware Patch Integration Across Structurally Divergent Java Forks [0.0]
  本稿では,14種類の派生型におけるパッチ統合障害に関する実証的研究を行い,RePatchを紹介した。 RePatchは、元々対称的なマージ用に設計されたRefMergeフレームワークを拡張し、非対称なパッチ転送をサポートする。 478のバグフィックスプルリクエストの評価では、構造的なミスアライメントのため、Git cherry-pickは64.4%のケースで失敗し、RePatchは、以前失敗したパッチの52.8%をうまく統合しました。
  論文  参考訳（メタデータ） (2025-08-08T21:34:05Z)
• SwingArena: Competitive Programming Arena for Long-context GitHub Issue Solving [90.32201622392137]
  We present SwingArena, a competitive evaluation framework for Large Language Models (LLMs)。 従来の静的ベンチマークとは異なり、SwingArenaはLLMをイテレーションとして組み合わせて、テストケースを作成し、継続的インテグレーション(CI)パイプラインを通じてパッチを検証するパッチとレビュアーを生成することで、ソフトウェアのコラボレーションプロセスをモデル化する。
  論文  参考訳（メタデータ） (2025-05-29T18:28:02Z)
• Byam: Fixing Breaking Dependency Updates with Large Language Models [6.659062916058674]
  廃止、パラメータ名や型の変更、新しいAPIへの完全な置き換えといったAPIの変更は、既存のクライアントコードを壊す可能性がある。 APIユーザがこれらのブレークの原因を特定して、それに従ってコードを更新するのは、しばしば面倒です。 依存関係の更新の破壊に対応するため、クライアントコードの更新を自動化するために、LLM(Large Language Models)の使用について検討する。
  論文  参考訳（メタデータ） (2025-05-12T13:03:26Z)
• A Large-Scale Empirical Study on Semantic Versioning in Golang Ecosystem [38.357000816448405]
  私たちはGoエコシステムで最初に大規模な実証的研究を行い、変化の破壊とその影響に関してSemVerのコンプライアンスを調査しました。 GitHubから124K TPLと532Kクライアントプログラムを含む、依存性グラフを備えた最初の大規模Goデータセットを収集しました。
  論文  参考訳（メタデータ） (2023-09-06T10:33:00Z)

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。