論文の概要: WebDesignIter: Co-Evolving Design Knowledge for Repository-Level Front-End Code Generation
- arxiv url: http://arxiv.org/abs/2607.10621v1
- Date: Sun, 12 Jul 2026 07:36:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.484058
- Title: WebDesignIter: Co-Evolving Design Knowledge for Repository-Level Front-End Code Generation
- Title（参考訳）: WebDesignIter: リポジトリレベルのフロントエンドコード生成のための設計知識の共進化
- Abstract要約: 設計知識とリポジトリ構造を融合させるフレームワークであるWebDesignIterを提案する。
WebDesignIterは2つの段階で動作する。 設計インフォームドプランニングは、実装計画を作成するために、WebAppArchKGから歴史的コンテキストとアーキテクチャ概要を引き出す。
WebDesignIterは、9つのファンデーションモデルに対して、パス@2の平均9.55ポイントのゲインを提供する。
- 参考スコア（独自算出の注目度）: 21.856342152518376
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Front-end development accumulates change after change at the repository level, weaving complex cross-file dependencies that current LLM coding agents tuned for single-shot tasks cannot reliably track across multiple iterations, leading to functional regressions and code that resists maintenance. We argue the missing piece is design knowledge: architectural principles, module responsibilities, and structural constraints that developers lean on to keep code readable, maintainable, and evolvable as a system scales. To operationalize this, we propose WebDesignIter, a framework built around a persistent knowledge graph (WebAppArchKG) that fuses repository structure with design knowledge and keeps both in sync across development cycles. WebDesignIter works in two stages: design-informed planning pulls historical context and architectural overviews from WebAppArchKG to produce an implementation plan with corresponding test scripts, and design-aware generation executes that plan through targeted diff-based patches, validated by sandbox execution and automatic syntax repair. On Web-Bench, WebDesignIter delivers an average Pass@2 gain of 9.55 percentage points across nine foundation models over existing baselines. More importantly, WebDesignIter outperforms every general-purpose coding agent Claude Code, OpenHands, SWE-Agent, Codex CLI on every model configuration, posting the highest Pass@1 and Pass@2 while consuming 2530 fewer input tokens. Ablation singles out design knowledge as the most impactful component: stripping it drops Pass@1 by 11.40 percentage points, a degradation far larger than removing code-graph retrieval, patch-based generation, or sandbox verification, confirming that design knowledge provides a fundamentally more efficient and reliable path to repository-level code generation.
- Abstract（参考訳）: フロントエンドの開発は、リポジトリレベルでの変更後の変更を蓄積し、現在のLLMコーディングエージェントが複数のイテレーションを確実に追跡できないような複雑なファイル間の依存関係を織り込み、機能的な回帰とメンテナンスに抵抗するコードを生み出します。
アーキテクチャの原則、モジュールの責任、そして開発者がコードの可読性、保守性、システムスケールの進化性を維持するために頼りにしている構造的な制約です。
これを運用するために、WebDesignIterという、永続的な知識グラフ(WebAppArchKG)を中心に構築されたフレームワークを提案します。
WebDesignIterは2つの段階で動作する: 設計インフォームドプランニングは、WebAppArchKGから歴史的コンテキストとアーキテクチャ概要をプルして、対応するテストスクリプトで実装計画を生成する。
Web-Benchでは、WebDesignIterは9つの基礎モデルの9つの基礎モデルに対して平均9.55ポイントのPass@2ゲインを提供する。
さらに重要なのは、WebDesignIterは、すべての汎用コーディングエージェント、Claude Code、OpenHands、SWE-Agent、Codex CLIをすべてのモデル設定で上回り、最高のPass@1とPass@2をポストすると同時に、2530の少ない入力トークンを消費する。
Ablation氏は、設計知識を最も影響力のあるコンポーネントとして挙げている。 Pass@1を11.40ポイント減らし、コードグラフの検索、パッチベースの生成、サンドボックスの検証をなくすよりもはるかに大きくし、設計知識がリポジトリレベルのコード生成に対して根本的に効率的で信頼性の高いパスを提供することを確認した。
関連論文リスト
- CodeSpec: Dual Executable Specifications for Agentic Long-Horizon Feature Development [7.386271204083454]
本稿では,リポジトリレベルの機能開発のための2つの実行可能な仕様手法であるCodeSpecを提案する。
リポジトリアーキテクチャとサブ要求セマンティクスをペアリングするエビデンスから、信頼性の高い機能チェーンを構築する。
既存のリポジトリの機能開発をターゲットにしたFeatureBenchでは、CodeSpecが70.7%、55.0%、49.9%のパスレートを達成した。
論文 参考訳（メタデータ） (2026-07-29T11:20:49Z) - IQuest-Coder-V1 Technical Report [56.045533451719905]
IQuest-Coder-V1 シリーズ-(7B/14B/40B/40B-Loop) は、新しいコード大言語モデル(LLM)のファミリーである。
IQuest-Coder-V1は、コードインテリジェンスの重要な次元にわたる競合モデルの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） (2026-03-17T16:15:31Z) - 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) - Modeling and Recovering Hierarchical Structural Architectures of ROS 2 Systems from Code and Launch Configurations using LLM-based Agents [3.4923417716883]
サブシステムレベルのリコールは、暗黙的な起動セマンティクスによるリポジトリの複雑さを伴う。
産業規模のコードサブセットを含む,3つのROS2リポジトリに対するアプローチを評価した。
論文 参考訳（メタデータ） (2026-02-20T22:36:47Z) - ProjDevBench: Benchmarking AI Coding Agents on End-to-End Project Development [49.63491095660809]
ProjDevBenchはエンドツーエンドのベンチマークで、コーディングエージェントにプロジェクト要件を提供し、その結果のリポジトリを評価する。
概念指向タスクと実世界のアプリケーションシナリオの両方をカバーし、8つのカテゴリにまたがる20のプログラミング問題をキュレートします。
エージェントは基本的な機能を扱うが、複雑なシステム設計、時間最適化、リソース管理に苦労する。
論文 参考訳（メタデータ） (2026-02-02T05:17:23Z) - ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。
オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。
我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
論文 参考訳（メタデータ） (2026-01-16T08:23:52Z) - PSD2Code: Automated Front-End Code Generation from Design Files via Multimodal Large Language Models [4.847776029952831]
PSD2Codeは、PSDファイル解析とアセットアライメントを活用する新しいマルチモーダルアプローチで、プロダクション対応のReact+SCSSコードを生成する。
本稿では,PSDファイルから階層構造,層特性,メタデータを抽出するParseAlignパイプラインを提案する。
このシステムは制約ベースのアライメント戦略を採用し、生成した要素と設計リソース間の一貫性を保証する。
論文 参考訳（メタデータ） (2025-11-06T03:20:27Z) - Towards Realistic Project-Level Code Generation via Multi-Agent Collaboration and Semantic Architecture Modeling [7.753074942497876]
CodeProjectEvalは、12.7ファイルと2,388.6行のタスクを持つ18の現実世界リポジトリから構築されたプロジェクトレベルのコード生成データセットである。
プロジェクトをアーキテクチャ設計、スケルトン生成、コードフィリングステージに分解するマルチエージェントフレームワークであるProjectGenを提案する。
実験によると、ProjectGenは、52/124のテストケースを小さなプロジェクトレベルのコード生成データセットDevBenchに渡すことで、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-11-05T12:12:35Z) - ScreenCoder: Advancing Visual-to-Code Generation for Front-End Automation via Modular Multimodal Agents [40.697759330690815]
ScreenCoderはモジュール型のマルチエージェントフレームワークで、タスクを3つの解釈可能なステージ(グラウンド、プランニング、生成)に分解する。
特殊エージェントにこれらの異なる責任を割り当てることで、我々のフレームワークはエンド・ツー・エンドのアプローチよりもはるかに高い堅牢性と忠実性を達成する。
提案手法は, レイアウト精度, 構造コヒーレンス, コード正確性において, 最先端の性能を実現する。
論文 参考訳（メタデータ） (2025-07-30T16:41:21Z) - DesignCoder: Hierarchy-Aware and Self-Correcting UI Code Generation with Large Language Models [17.348284143568282]
DesignCoderは、階層的かつ自己修正の自動化コード生成フレームワークである。
複雑なネストUI階層を理解し予測するMLLMの能力を向上するUI Grouping Chainsを導入する。
また、生成したコードのエラーを特定し、修正するモデルの能力を改善するための自己補正機構も組み込んでいます。
論文 参考訳（メタデータ） (2025-06-16T16:20:43Z) - Paper2Code: Automating Code Generation from Scientific Papers in Machine Learning [70.04746094652653]
機械学習論文を機能コードリポジトリに変換するフレームワークであるPaperCoderを紹介した。
PaperCoderは3つの段階で動作する。計画、図によるシステムアーキテクチャの設計、ファイル依存の特定、構成ファイルの生成である。
次に、モデルベースおよび人的評価の両方に基づいて、機械学習論文からコード実装を生成するPaperCoderを評価する。
論文 参考訳（メタデータ） (2025-04-24T01:57:01Z) - GraphCodeBERT: Pre-training Code Representations with Data Flow [97.00641522327699]
本稿では,コード固有の構造を考慮したプログラミング言語の事前学習モデルであるGraphCodeBERTを提案する。
これは変数間の"where-the-value-comes-from"の関係をエンコードするコードのセマンティックレベルの構造です。
コード検索,クローン検出,コード翻訳,コード改良の4つのタスクにおいて,本モデルを評価する。
論文 参考訳（メタデータ） (2020-09-17T15:25:56Z)
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。