論文の概要: TraceCoder: Explainable and Auditable Code Generation with Position-Key Snippet Versioning
- arxiv url: http://arxiv.org/abs/2607.26307v1
- Date: Tue, 28 Jul 2026 22:03:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-30 21:06:25.489611
- Title: TraceCoder: Explainable and Auditable Code Generation with Position-Key Snippet Versioning
- Title（参考訳）: TraceCoder: 位置キースニペットバージョニングによる説明可能で監査可能なコード生成
- Authors: Rwaida Alssadi, Muntaser Syed, Balaji Kasula, Lamine Deen, Majed Alotaibi, Mohammed Alghamdi, Tyler Ton, Ali Alqarni, Marius Silaghi,
- Abstract要約: 本稿では,3つの相補的なメカニズムによる欠点に対処するコード生成概念を提案する。
リレーショナルスニペット履歴スキーマレコード、修理イベント毎、ベンチマークリファレンス、ラウンド番号、障害テキスト、説明。
ブラウザベースの視覚化ツールは、この履歴をヒートマップされたホバリング注釈付きソースコードとして表現する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Contemporary LLM-based coding agents produce code as black-box outputs: the rationale behind each line is hidden, the evolution of the code through benchmark-driven repair is ephemeral, and post-hoc auditing is impossible. We present a code generation concept that addresses these shortcomings through three complementary mechanisms: (i) a relational snippet-history schema that records, per repair event, the benchmark reference, round number, failure text, and LLM explanation, enabling full provenance queries; (ii) a browser-based visualisation tool that renders this history as heat-mapped, hover-annotated source code; and (iii) a competitive fractional position-key indexing scheme with tree-node delimiters that assigns stable, lexicographically-ordered identifiers to each code snippet, enabling fine-grained tracking without disrupting surrounding lines. We evaluate TraceCoder on 30 algorithmic programming tasks spanning string processing, mathematical computation, and data-structure manipulation, across two provider configurations. Of these, 10 exhaust the 6-iteration budget on tasks with subtle edge-case behaviour. Mean Chg% reaches 30%, three in ten code snippets carry a traceable repair-event row, compared to 21% when using Gemini 2.0 Flash as sole provider on a 20-task subset. Three detailed case studies demonstrate how the system explains which specific benchmark failures shaped each line of the final program. The proposed mechanism makes the internal "narrative" of automated code generation auditable and replayable, a property essential for trust and accountability in production deployments.
- Abstract（参考訳）: 現代のLLMベースのコーディングエージェントは、ブラックボックス出力としてコードを生成する: 各行の背後にある理論的根拠は隠され、ベンチマーク駆動の修復によるコードの進化は短命であり、ポストホック監査は不可能である。
3つの相補的なメカニズムを通して、これらの欠点に対処するコード生成の概念を提示します。
i) 修復イベント毎のリレーショナルスニペット履歴スキーマ、ベンチマーク参照、ラウンド番号、障害テキスト、LCM説明を記録し、完全な証明クエリを可能にするリレーショナルスニペット履歴スキーマ。
(ii)ブラウザベースのビジュアライゼーションツールで、この履歴をヒートマップ、ホバリングアノテーション付きソースコードとして描画します。
3)各コードスニペットに安定な辞書順の識別子を割り当て,周辺線を乱すことなくきめ細かな追跡を可能にする木ノードデリミタを用いた競合的な分数的位置キーインデックス方式。
文字列処理,数理計算,データ構造操作にまたがる30のアルゴリズムプログラミングタスクにおいて,TraceCoderを2つのプロバイダ構成で評価した。
そのうち10は、微妙なエッジケースの振る舞いを持つタスクに対して、6項目の予算を浪費する。
平均Chg%が30%に達し、10分の3のコードスニペットがトレーサブルな修復処理行を担っているのに対して、20タスクサブセットでGemini 2.0 Flashを唯一のプロバイダとして使用する場合の21%は、21%である。
3つの詳細なケーススタディは、最終プログラムの各行をどのベンチマーク失敗が形作るかをシステムがどのように説明するかを示している。
提案したメカニズムは、自動コード生成の内部の“ナラティブ”を監査可能かつ再生可能とし、プロダクションデプロイメントにおける信頼性と説明責任に不可欠な特性である。
関連論文リスト
- Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。
コードには手書きのコードはなく、人間による注釈もない。
エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
論文 参考訳（メタデータ） (2026-07-17T17:41:16Z) - AuditWeave: A Tamper-Evident, Auditor-Navigable Evidence Layer for AI-Assisted and Data-Transformation Workflows [0.0]
AuditWeaveは、AIアシストとデータ変換のステップを1つのハッシュチェーンの台帳に記録する軽量Pythonライブラリである。
本稿では,参照実装におけるオーバヘッド,拡張性,タンパー検出の正確さを設計し,評価する。
論文 参考訳（メタデータ） (2026-06-14T21:46:04Z) - What Really Improves Mathematical Reasoning: Structured Reasoning Signals Beyond Pure Code [72.9921566968371]
ドメイン分離のきめ細かい10T-tokenコーパスにおける事前学習の制御実験により,コードが推論を改善するという主張を再考する。
コードはプログラミング能力を大幅に改善するが、一般的な推論エンハンサーとして機能しない。
コード-テキストと数学-テキストの混合のようなドメイン間構造的推論トレースがよりうまく説明されている。
論文 参考訳（メタデータ） (2026-05-19T12:37:01Z) - Co-Refine: AI-Powered Tool Supporting Qualitative Analysis [6.199710730080277]
私たちはCo-RefineというAIで強化された定性的なコーディングプラットフォームを紹介します。
ステージ1は、数学的一貫性のための決定論的埋め込みベースのメトリクスを計算し、ステージ2は、決定論的スコアのpm0.15ドル以内でLCMの判定を下し、ステージ3は、以前のパターンからコード定義を生成し、より深いフィードバックループを作成する。
論文 参考訳（メタデータ） (2026-04-21T10:16:13Z) - AlgoVeri: An Aligned Benchmark for Verified Code Generation on Classical Algorithms [54.99368693313797]
既存のベンチマークでは、個々の言語/ツールのみをテストするため、パフォーマンス番号は直接比較できない。
このギャップに対処するAlgoVeriは、Dafny、Verus、Leanで77ドルの古典的アルゴリズムのベリコーディングを評価するベンチマークです。
論文 参考訳（メタデータ） (2026-02-10T06:58:26Z) - AlignCoder: Aligning Retrieval with Target Intent for Repository-Level Code Completion [55.21541958868449]
リポジトリレベルのコード補完フレームワークであるAlignCoderを提案する。
我々のフレームワークは、初期クエリとターゲットコードのセマンティックギャップを橋渡しする拡張クエリを生成する。
我々は、拡張クエリにおける推論情報を活用してより正確な検索を行うAlignRetrieverのトレーニングに強化学習を採用する。
論文 参考訳（メタデータ） (2026-01-27T15:23:14Z) - Can LLMs Compress (and Decompress)? Evaluating Code Understanding and Execution via Invertibility [36.41073880422337]
RoundTripCodeEval(RTCE)は、4つの異なるコード実行推論タスクからなる包括的なベンチマークである。
ゼロショットプロンプト、実行トレースの教師付き微調整、自己回帰機構を用いて、最先端のコード-LLMを体系的に評価する。
RTCEは、既存のI/O予測、実行推論、ラウンドトリップの自然言語ベンチマークによって捉えられていない、これまで測定されていなかったいくつかの新しい洞察を表面化している。
論文 参考訳（メタデータ） (2026-01-19T21:09:48Z) - Talk Less, Verify More: Improving LLM Assistants with Semantic Checks and Execution Feedback [14.593478824805542]
本稿では,コードとユーザ意図の相互変換とセマンティックマッチングを行うQ*と,コード修正のための実行フィードバックを組み込んだFeedback+の2つの補完的検証手法を紹介する。
Spider、Bird、GSM8Kの3つのベンチマークデータセットの評価では、Q*とFeedback+の両方がエラー率とタスク完了時間を削減している。
論文 参考訳（メタデータ） (2026-01-01T06:10:06Z) - Contextual Code Retrieval for Commit Message Generation: A Preliminary Study [18.46986692375691]
コミットメッセージはコミットの主要なコード変更を記述し、ソフトウェアメンテナンスにおいて重要な役割を果たす。
既存のコミットメッセージ生成アプローチでは、コード差分を入力し、短い記述文を出力として生成する、直接マッピングとしてフレーム化するのが一般的である。
原コード差分は、高品質なコミットメッセージを生成するのに必要な完全なコンテキストをキャプチャできないため、コード差分のみに依存することは不十分である、と私たちは主張する。
論文 参考訳（メタデータ） (2025-07-23T16:54:57Z) - Let the Code LLM Edit Itself When You Edit the Code [50.46536185784169]
underlinetextbfPositional textbfIntegrity textbfEncoding (PIE)
PIEは、標準的な完全再計算手法に比べて計算オーバーヘッドを85%以上削減する。
その結果、PIEは計算オーバーヘッドを標準の完全再計算手法に比べて85%以上削減することを示した。
論文 参考訳（メタデータ） (2024-07-03T14:34:03Z)
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。