論文の概要: Semantic-Enhanced Automatic Refinement of Architecture Recovery Results Using LLMs
- arxiv url: http://arxiv.org/abs/2607.23774v1
- Date: Sun, 26 Jul 2026 17:51:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-28 22:34:15.223998
- Title: Semantic-Enhanced Automatic Refinement of Architecture Recovery Results Using LLMs
- Title（参考訳）: LLMを用いた建築復元のセマンティック化による自動リファインメント
- Abstract要約: Semrefは、LCMと依存性分析を組み合わせたフレームワークで、既存のアーキテクチャ回復ツールによって復元されたアーキテクチャを自動的に洗練する。
Semrefは、正常化したゲインが17.72%から43.35%の範囲で、さまざまなメトリクスの精度を向上させる。
- 参考スコア（独自算出の注目度）: 15.87039675625043
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding the architecture is crucial for effectively maintaining and managing large software systems. However, discrepancies often exist between the designed and implemented architectures, which can pose significant risks. To identify these discrepancies, architects need to extract the architecture from the system implementation, which is both time-consuming and error-prone. To simplify this procedure, many automatic architecture recovery techniques have been developed. Yet, their accuracy is often limited. Architects must still invest significant effort in refining recovery results to ensure they accurately reflect the implemented architecture. To reduce such manual effort, we introduce Semref, a framework that combines LLMs with dependency analysis to automatically refine architectures recovered by existing architecture recovery tools. By leveraging the LLM's semantic understanding capabilities and integrating structural dependencies, Semref enhances both the accuracy and the comprehension of recovered architectures. To evaluate Semref, we tested on 9 projects with published ground-truth architectures and 10 state-of-the-art architecture recovery tools. 5 commonly used metrics are adopted to evaluate the effectiveness of Semref. The results show that Semref improves accuracy across various metrics, with normalized gains ranges from 17.72\% to 43.35\%. Specifically, for MoJoFM and $a2a_{adj}$ metrics, Semref achieves relative improvements of 118.57\% and 100.41\%, respectively.
- Abstract（参考訳）: アーキテクチャを理解することは、大規模なソフトウェアシステムを効果的に保守し管理するために重要である。
しかしながら、設計されたアーキテクチャと実装されたアーキテクチャの間にはしばしば相違があり、重大なリスクを引き起こす可能性がある。
これらの違いを特定するためには、アーキテクトはシステム実装からアーキテクチャを抽出する必要がある。
この手順を簡略化するために、多くの自動アーキテクチャ復元技術が開発されている。
しかし、精度は限られていることが多い。
アーキテクトは、実装されたアーキテクチャを正確に反映するために、リカバリ結果の精査に多大な努力を払わなければならない。
このような手作業を減らすために,既存のアーキテクチャ回復ツールによって復元されたアーキテクチャを自動的に洗練するために,LCMと依存性分析を組み合わせたフレームワークであるSemrefを紹介した。
LLMのセマンティック理解機能を活用し、構造的依存関係を統合することで、Semrefは復元されたアーキテクチャの正確性と理解性の両方を高める。
Semrefを評価するために、私たちは9つのプロジェクトで、公開されている基盤構造アーキテクチャと10の最先端アーキテクチャ回復ツールを使ってテストしました。
Semrefの有効性を評価するために、一般的に使用されるメトリクス5が採用されている。
その結果、Semrefは、正常化ゲインが17.72\%から43.35\%まで、様々な指標で精度を向上することが示された。
具体的には、MoJoFMと$a2a_{adj}$のメトリクスに対して、Semrefはそれぞれ118.57\%と100.41\%の相対的な改善を達成している。
関連論文リスト
- The Illusion of Multi-Agent Advantage [63.92466143571383]
専門家が設計したマルチエージェントシステム(MAS)は、生の性能とコスト効率において、自動生成されたアーキテクチャを一貫して上回っていることを示す。
既存の評価フレームワークは、計算コストの増加の限界効用を考慮せず、アーキテクチャ上の重要なギャップと非効率を隠蔽している。
論文 参考訳（メタデータ） (2026-06-11T07:39:24Z) - Bridging Requirements and Architecture: Multi-Agent Orchestration with External Knowledge and Hierarchical Memory [37.071260774880884]
我々は,4つの専門エージェントを編成し,アーキテクチャのブループリントを属性とする知識駆動型フレームワークであるMAAD(Multi-Agent Architecture Design)を提案する。
我々はMAADがベースラインよりも完全でモジュラーでトレーサブルなアーキテクチャを生成することを示し、その専用評価エージェントは構造化された品質評価レポートを自律的に作成する。
論文 参考訳（メタデータ） (2026-05-31T18:18:31Z) - LLM-based Automated Architecture View Generation: Where Are We Now? [0.0]
ソースコードからアーキテクチャビューを生成するLLMとエージェントアプローチの能力を評価する。
ゼロショットのプロンプトはゼロショットのベースラインに比べて、クリアリティの失敗を9.2%削減する。
カスタムエージェントアプローチは、汎用エージェントよりも一貫して優れています。
論文 参考訳（メタデータ） (2026-03-22T11:41:37Z) - 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) - ArchAgent: Scalable Legacy Software Architecture Recovery with LLMs [44.137226823695066]
ArchAgentはスケーラブルなエージェントベースのフレームワークで、静的解析、適応コードセグメンテーション、LLMによる合成を組み合わせている。
クロスリポジトリから、マルチビューでビジネスに整合したアーキテクチャを再構築する。
ArchAgentは、コンテキストプルーニングによるスケーラブルなダイアグラム生成を導入し、クロスリポジトリデータを統合して、ビジネスクリティカルなモジュールを識別する。
論文 参考訳（メタデータ） (2026-01-19T12:39:05Z) - Cross-Architecture Distillation Made Simple with Redundancy Suppression [8.844066299737845]
本稿では,知識伝達を冗長な情報抑制式にキャストするクロスアーキテクチャ知識蒸留法について述べる。
冗長なアーキテクチャ排他情報を削減することにより,異種表現におけるアーキテクチャ非依存の知識を抽出することを提案する。
提案手法は,OFAの先駆的手法におけるアーキテクチャ固有の設計や複雑な操作を欠いている。
論文 参考訳（メタデータ） (2025-07-29T14:21:40Z) - Dynamic Acoustic Model Architecture Optimization in Training for ASR [51.21112094223223]
DMAOは、Grow-and-drop戦略を使用して、トレーニング中にパラメータを自動的に再配置するアーキテクチャ最適化フレームワークである。
CTC onSpeech, TED-Lium-v2, Switchboard を用いてDMAOの評価を行った。
論文 参考訳（メタデータ） (2025-06-16T07:47:34Z) - ZeroLM: Data-Free Transformer Architecture Search for Language Models [54.83882149157548]
現在の自動プロキシ発見アプローチは、検索時間の拡張、データの過度なオーバーフィットへの感受性、構造的な複雑さに悩まされている。
本稿では,効率的な重み統計によるモデルキャパシティの定量化を目的とした,新しいゼロコストプロキシ手法を提案する。
本評価は,FlexiBERT ベンチマークで Spearman's rho 0.76 と Kendall's tau 0.53 を達成し,このアプローチの優位性を示すものである。
論文 参考訳（メタデータ） (2025-03-24T13:11:22Z) - Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。
本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。
我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
論文 参考訳（メタデータ） (2024-03-26T16:33:12Z) - Software Architecture Recovery with Information Fusion [14.537490019685384]
本稿では,完全に自動化されたアーキテクチャ復元手法であるSARIFを提案する。
依存関係、コードテキスト、フォルダ構造を含む3種類の包括的な情報が含まれている。
SARIFは従来の技術よりも36.1%正確である。
論文 参考訳（メタデータ） (2023-11-08T12:35:37Z) - Rethinking Architecture Selection in Differentiable NAS [74.61723678821049]
微分可能なニューラルアーキテクチャ探索は、その探索効率と簡易性において最も人気のあるNAS手法の1つである。
本稿では,各操作がスーパーネットに与える影響を直接測定する摂動に基づくアーキテクチャ選択を提案する。
提案手法により,DARTSの故障モードを大幅に緩和できることがわかった。
論文 参考訳（メタデータ） (2021-08-10T00:53:39Z)
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。