論文の概要: BashCoder-R1: Towards Robust and Explainable Bash Code Generation with Robustness-Aware Group Relative Policy Optimization

• arxiv url: http://arxiv.org/abs/2606.27733v1
• Date: Fri, 26 Jun 2026 05:29:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.373321
• Title: BashCoder-R1: Towards Robust and Explainable Bash Code Generation with Robustness-Aware Group Relative Policy Optimization
• Title（参考訳）: BashCoder-R1:ロバストで説明可能なBashコード生成を目指す
• Abstract要約: 我々は、堅牢で説明可能なBashスクリプト生成のための新しいフレームワークであるBashCoder-R1を提案する。 このパイプラインは,(1)Bashパラダイムのモデルを専門化するためのCPT(Continuous Pre-training),(2)L-CoT SFT(Long Chain-of-Supervised Fine-Tuning)を専門家が検証した推論とコードのサンプルに組み合わせて,積極的なリスク認識思考をエミュレートする。 我々は、922の現実世界タスク(773のシングルライン、179のマルチライン)のベンチマークであるBashBenchについて評価した。
• 参考スコア（独自算出の注目度）: 18.561806097729434
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Bash scripts are the cornerstone of system administration and DevOps automation, where code quality directly impacts system stability and security. In automated Bash script generation using Large Language Models (LLMs), two interconnected failures emerge: unauditable "black box" reasoning and critical robustness vulnerabilities in generated code. To address both, we propose BashCoder-R1, a novel framework for robust and explainable Bash script generation. Our pipeline combines: (1) Continual Pre-training (CPT) to specialize the model on Bash paradigms; (2) Long Chain-of-Thought Supervised Fine-Tuning (L-CoT SFT) on expert-validated reasoning-and-code samples to emulate proactive risk-aware thinking; and (3) Robustness-Aware Group Relative Policy Optimization (R-GRPO), a reinforcement learning phase optimizing a weighted reward for syntax correctness, robustness (via shellcheck), and format correctness. We evaluate on BashBench, a new benchmark of 952 real-world tasks (773 single-line, 179 multi-line). BashCoder-R1 achieves SyntaxPass (100.00%/94.97%), RobustWarnRate (4.01%/16.47%), RobustPass (95.99%/79.33%), FuncRate (93.01%/93.85%), and FullRate (90.04%/73.18%) for single-line/multi-line tasks, outperforming the strongest baseline DeepSeek-V3.2 (Reasoning) by 37.82% and 20.18% in FullRate. Human evaluation on Functionality, Robustness, and Clarity further confirms BashCoder-R1 achieves the highest quality ratings.
• Abstract（参考訳）: Bashスクリプトは、コード品質がシステムの安定性とセキュリティに直接影響を与える、システム管理とDevOps自動化の基盤です。 LLM(Large Language Models)を使用した自動Bashスクリプト生成では、2つの相互接続障害が発生する。 BashCoder-R1は、堅牢で説明可能なBashスクリプト生成のための新しいフレームワークである。 本パイプラインは,(1)Bashパラダイムのモデルを専門化するためのCPT(Continuous Pre-training),(2)L-CoT SFT(Long Chain-of-Thought Supervised Fine-Tuning),(3)SFT(Long Chain-of-Thought Supervised Fine-Tuning),(3)R-GRPO(Robustness-Aware Group Relative Policy Optimization)を組み合わせることで,構文の正しさ,堅牢性(シェルチェック),フォーマットの正しさを最適化する強化学習フェーズである。 我々は、922の現実世界タスク(773のシングルライン、179のマルチライン)のベンチマークであるBashBenchを評価した。 BashCoder-R1 は SyntaxPass (100.00%/94.97%)、 RobustWarnRate (4.01%/16.47%)、 RobustPass (95.99%/79.33%)、 FuncRate (93.01%/93.85%)、 FullRate (90.04%/73.18%) をシングルライン/マルチラインタスクで達成し、DeepSeek-V3.2 を37.82%、FullRate を20.18%上回った。 関数性、ロバスト性、Clarityに関する人間による評価は、BashCoder-R1が最高品質のレーティングを達成することをさらに確認する。

関連論文リスト

• CARE: Pre-Execution Command Verification for Shell-Executing LLM Agents [17.399019898274197]
  大規模言語モデル(LLM)エージェントは、コーディングや端末の自動化にますます利用されている。 Careは実行前に個々のシェルコマンドの静的ファースト検証器である。 Care canonicalizes generated Commands into stable confirmed target, deriveds deterministic evidence over syntax, command semantics, path context, and provenance-backed risk pattern, and escalates only under case of a LLM judge。
  論文  参考訳（メタデータ） (2026-07-21T20:22:42Z)
• Bash-Commenter: Leveraging Syntax-Aware Preference Optimization to Reinforce Large Language Model for Bash Code Comment Generation [19.900675360567316]
  Bashスクリプトの理解は、Bashの構文の自由と複雑なコマンド構造のために難しい。 既存の自動コメント生成アプローチは2つの大きな課題に直面している。 LLaMA-3.1-8Bに基づく高度なコメント生成手法であるBash-Commenterを提案する。
  論文  参考訳（メタデータ） (2026-06-29T02:24:33Z)
• Dream at SemEval-2026 Task 13: SALSA for Single-Pass Machine-Generated Code Detection [1.9371675344367494]
  SemEval-2026 Task 13 Subtask コードスニペット上のバイナリ分類として検出を運用する。 本研究では,各クラスを専用出力トークンにマッピングし,構造化された応答で単一トークンラベルを出力するようにモデルを訓練するSALSAスタイルの定式化を提案する。
  論文  参考訳（メタデータ） (2026-06-23T19:17:11Z)
• Automated Proving of Shannon-Type Entropy Inequalities via Fine-Tuned Language Models and Guided Tree Search [50.16356451328644]
  シャノン型エントロピーの不等式を証明することは情報理論の基本的な課題である。 我々は,原子実証のステップを微調整した小規模大規模言語モデルがこのプロセスを自動化することができるか検討する。 GPT-5.5は0ショットプロンプトで1.7%のサンプルを解き、Psitipは33.3%のサンプルを解いた。
  論文  参考訳（メタデータ） (2026-06-04T05:43:12Z)
• Scaling Laws for Agent Harnesses via Effective Feedback Compute [53.68149869349268]
  emphEffective Feedback Compute (EFC)は、情報的、有効、非冗長な場合にのみフィードバックを信用し、その後の決定のために保持するトレースレベルのスケーリング座標である。 EFCベースの座標は、生の計算ベースラインよりも失敗率を常に予測する。
  論文  参考訳（メタデータ） (2026-05-28T09:45:47Z)
• RACER: Retrieval-Augmented Contextual Rapid Speculative Decoding [80.12789199134511]
  大規模言語モデル(LLM)における自己回帰デコーディングは、ステップ毎に1つのトークンを生成し、高い推論遅延を引き起こす。 我々は,検索した正確なパターンとロジット駆動の将来の手がかりを統合する軽量でトレーニング不要な $textbfRACER を提案する。 Spec-Bench、HumanEval、MGSM-ZHの実験では、RACERは推論を継続的に加速し、自動回帰デコーディングよりも2倍以上のスピードアップを達成した。
  論文  参考訳（メタデータ） (2026-04-16T11:23:55Z)
• Beyond Variance: Prompt-Efficient RLVR via Rare-Event Amplification and Bidirectional Pairing [21.946965363578087]
  検証可能な報酬付き強化学習(RLVR)は、決定論的結果推論タスクにおいて、大規模言語モデルのトレーニングに有効である。 以前の研究によると、RLVRはプロンプトが少ないが、迅速な選択はトレーニング精度のばらつきにのみ基づくことが多い。 有効なミニバッチは、(i)信頼できる正のアンカーと(ii)稀な障害からの明確な負の学習信号の両方を提供するべきである。
  論文  参考訳（メタデータ） (2026-02-03T12:17:25Z)
• CVeDRL: An Efficient Code Verifier via Difficulty-aware Reinforcement Learning [57.24524263804788]
  コード検証は、LLMベースのコード生成の検証後において重要な役割を果たす。 既存の教師付き微調整手法は、データの不足、高い失敗率、推論効率の低下に悩まされている。 機能的な報酬しか持たない単純RLは、難しいブランチやサンプルに対して効果的な単体テストを生成することができないことを示す。
  論文  参考訳（メタデータ） (2026-01-30T10:33:29Z)
• CodeContests-O: Powering LLMs via Feedback-Driven Iterative Test Case Generation [71.42965967582147]
  既存のアプローチは、Large Language Models (LLM) を用いたテストケースの合成を試みる 包括的なテストケース構築のために、textbfFeedback-Bench Iterative Framework$を提案します。 私たちのデータセットは、平均的真正率(TPR)が89.37%、真負率(TNR)が90.89%で、CodeContestsとCodeContests+をそれぞれ4.32%、9.37%で大幅に上回っている。
  論文  参考訳（メタデータ） (2026-01-20T07:32:44Z)
• SecureCodeRL: Security-Aware Reinforcement Learning for Code Generation with Partial-Credit Rewards [1.5377279217726239]
  本稿ではセキュリティ対応コード生成のための強化学習パイプラインSecureCodeRLを提案する。 鍵となるアイデアは、中間スコアを妥当性、実行成功、出力の生成に割り当てる部分クレジット機能報酬である。 Banditは小さな評価では見つからなかったが、セキュリティ用語はトレーニングに統合され、それらが現れると安全でないショートカットを回避できる。
  論文  参考訳（メタデータ） (2026-01-03T13:36:36Z)
• Towards Secure and Explainable Smart Contract Generation with Security-Aware Group Relative Policy Optimization [18.013438474903314]
  本稿では,スマートコントラクト生成をセキュアかつ説明可能なフレームワークであるSmartCoder-R1を提案する。 我々は、人間のセキュリティ分析をエミュレートするためにモデルを訓練する。 SmartCoder-R1は、テクニックの新たな状態を確立し、5つの主要なメトリクスで最高のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2025-09-12T03:14:50Z)
• CLAWSAT: Towards Both Robust and Accurate Code Models [74.57590254102311]
  比較学習(CL)と逆学習を統合して、コードモデルの堅牢性と精度を協調的に最適化する。 私たちの知る限りでは、これはコードモデルにおける(マルチビュー)コードの難読化の堅牢性と正確性について調査し、活用する最初の体系的な研究です。
  論文  参考訳（メタデータ） (2022-11-21T18:32:50Z)

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。