論文の概要: Agent4cs: A Multi-agent System for Code Summarization in Large Hierarchical Codebases
- arxiv url: http://arxiv.org/abs/2607.01425v2
- Date: Sat, 04 Jul 2026 12:11:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-07 17:33:48.876997
- Title: Agent4cs: A Multi-agent System for Code Summarization in Large Hierarchical Codebases
- Title（参考訳）: Agent4cs: 大規模階層型コードベースにおけるコード要約のためのマルチエージェントシステム
- Authors: Yongjian Tang, Ezgi Sarikayak, Doruk Tuncel, Jie M. Zhang, Thomas Runkler,
- Abstract要約: Agent4csは、ボトムアップ方式で大規模を要約するフレームワークである。
Agent4csは、すべてのフォルダレベルのセマンティック一貫性を平均8%改善する。
- 参考スコア（独自算出の注目度）: 5.629159319634667
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding large, complex codebases, especially those with obfuscated structures and incomplete documentation, remains a significant challenge. Existing code summarization solutions often rely on a single language model or coding assistant like Claude Code, and treat source code as flat text, underutilizing the rich interdependencies and hierarchical information within a repository. To address these shortcomings, we propose Agent4cs - a multi-agent framework that summarizes large codebases in a bottom-up fashion, where a summarization agent focuses on producing robust summaries; a keyword-extraction agent proactively identifies critical information from subfolders; and a quality-assurance agent iteratively refines the outputs for readability, coherence, and completeness. Evaluated on 7 frontier models, Agent4cs improves semantic consistency across all folder levels by average 8% compared to two structured prompting baselines with code segments. Furthermore, extensive evaluation on real-world datasets demonstrates up to 38% gains in normalized keyword coverage rate over the same baselines.
- Abstract（参考訳）: 大規模で複雑なコードベース,特に難解な構造と不完全なドキュメントを理解することは,依然として大きな課題です。
既存のコード要約ソリューションは、しばしば単一言語モデルやClaude Codeのようなコーディングアシスタントに依存し、ソースコードをフラットテキストとして扱う。
このような欠点に対処するために,我々は,大規模なコードベースをボトムアップ形式で要約するマルチエージェントフレームワークであるAgent4csを提案する。要約エージェントは堅牢な要約を生成することに焦点を当て,キーワード抽出エージェントはサブフォルダから重要な情報を積極的に識別し,品質保証エージェントは可読性,一貫性,完全性のアウトプットを反復的に洗練する。
7つのフロンティアモデルに基づいて評価されたAgent4csは、コードセグメントを持つ2つの構造化されたプロンプトベースラインと比較して、すべてのフォルダレベルのセマンティック一貫性を平均8%改善する。
さらに、実世界のデータセットに対する広範な評価では、同じベースライン上での正規化キーワードカバレッジ率が最大38%向上している。
関連論文リスト
- Towards Verifiable Multimodal Deep Research: A Multi-Agent Harness for Interleaved Report Generation [74.0621258662676]
レポート生成のためのマルチエージェントハーネスであるPtahを提案する。
Ptahは計画、研究、執筆段階を通じて、ユーザクエリからレンダリングされたWebレポートまでのライフサイクルを編成する。
検証エージェントがハーネスの受け入れ機能として機能し、ワークフロー全体を通して事実的接地、引用の忠実性、相互の整合性を強制する。
論文 参考訳（メタデータ） (2026-05-28T12:40:34Z) - What Papers Don't Tell You: Recovering Tacit Knowledge for Automated Paper Reproduction [57.86097956633207]
Methodは、学術論文から実行可能なコードを生成するグラフベースのエージェントフレームワークである。
3つのドメイン、10のタスク、10の最近の論文にまたがる拡張ReproduceBenchでは、公式実装に対する平均的なパフォーマンスギャップが10.04%に達する。
論文 参考訳（メタデータ） (2026-03-02T12:33:31Z) - 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) - Progressive Code Integration for Abstractive Bug Report Summarization [0.32004175453646166]
本稿では,抽象バグレポート要約のためのプログレッシブコード統合フレームワークを提案する。
このアプローチでは、長いコードスニペットをテキストコンテンツと一緒にインクリメンタルに組み込んでいます。
我々のパイプラインは抽出ベースラインを7.5%-58.2%向上させ、最先端の抽象手法に匹敵する性能を達成する。
論文 参考訳（メタデータ） (2025-11-29T05:35:36Z) - CodeWiki: Evaluating AI's Ability to Generate Holistic Documentation for Large-Scale Codebases [7.75137961900221]
bftextCodeWikiは、7つのプログラミング言語にまたがるリポジトリレベルのドキュメントを自動化する統合フレームワークである。
CodeWikiは、3つの重要なイノベーションを紹介している: (i) 階層的な分解はアーキテクチャのコンテキストを複数のレベルの粒度で保存し、 (ii) スケーラブルな生成のための動的タスクデリゲートによる再帰的マルチエージェント処理、 (iii) アーキテクチャ図やデータフロー表現のようなビジュアルアーティファクトとテキスト記述を統合するマルチモーダル合成である。
CodeWikiは、プロプライエタリなモデルで68.79%の品質スコアを獲得し、クローズドソースのDeepWikiベースライン(64.06%)を4.73%上回った。
論文 参考訳（メタデータ） (2025-10-28T13:52:46Z) - Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。
Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。
SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
論文 参考訳（メタデータ） (2025-09-25T14:05:55Z) - Code-Craft: Hierarchical Graph-Based Code Summarization for Enhanced Context Retrieval [0.0]
本稿では,階層型コードグラフ要約(HCGS)を提案する。これは,コードグラフからボトムアップ形式で構造化された要約を生成することによって,aの多層表現を構築する新しいアプローチである。
HCGSは、従来のコードのみの検索をすべてのメトリクスで一貫して上回っている。
論文 参考訳（メタデータ） (2025-04-11T20:57:27Z) - Hierarchical Repository-Level Code Summarization for Business Applications Using Local LLMs [1.4932549821542682]
既存のメソッドは主に関数のような小さなコードユニットにフォーカスし、ファイルやパッケージのような大きなコードアーティファクトと競合する。
本稿では,ビジネスアプリケーションに適した,リポジトリレベルのコード要約のための2段階階層的アプローチを提案する。
論文 参考訳（メタデータ） (2025-01-14T05:48:27Z) - EpiCoder: Encompassing Diversity and Complexity in Code Generation [66.43738008739555]
既存のコード生成方法はシードデータとしてコードスニペットを使用する。
階層的なコード機能を中心に展開する,新しい機能ツリーベースの合成フレームワークを提案する。
我々のフレームワークは、生成されたコードの複雑さを正確に制御し、関数レベルの操作からマルチファイルのシナリオまで幅広い機能を実現する。
論文 参考訳（メタデータ） (2025-01-08T18:58:15Z) - Alibaba LingmaAgent: Improving Automated Issue Resolution via Comprehensive Repository Exploration [64.19431011897515]
本稿では,問題解決のためにソフトウェアリポジトリ全体を包括的に理解し,活用するために設計された,新しいソフトウェアエンジニアリング手法であるAlibaba LingmaAgentを提案する。
提案手法では,重要なリポジトリ情報を知識グラフに凝縮し,複雑さを低減し,モンテカルロ木探索に基づく戦略を採用する。
Alibaba Cloudの製品展開と評価において、LingmaAgentは、開発エンジニアが直面した社内問題の16.9%を自動で解決し、手作業による介入で43.3%の問題を解決した。
論文 参考訳（メタデータ） (2024-06-03T15:20:06Z)
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。