論文の概要: An Approach for Embedding-Guided Function Reuse Detection in Embedded C Software
- arxiv url: http://arxiv.org/abs/2608.04137v1
- Date: Tue, 04 Aug 2026 18:46:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 14:48:43.594963
- Title: An Approach for Embedding-Guided Function Reuse Detection in Embedded C Software
- Title（参考訳）: 組込みCソフトウェアにおける埋め込み型関数再利用検出の一手法
- Abstract要約: 本稿では,組込みソフトウェア再利用検出のためのドメイン対応検索拡張生成パイプラインを提案する。
パイプラインは、既存のインラインコメント、コールグラフコンテキスト、そして8つのバックボーンモデルに組み込む前にプロジェクトを抽出することによって、各機能を充実させる。
パイプラインは、SonarQubeが再利用フィルタとして93.6%の偽陽性率を生成し、ハードウェア環境のミスマッチによって83.5%の障害が発生することを明らかにした。
- 参考スコア（独自算出の注目度）: 1.3114114427206678
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reusing embedded software functions across products is economically valuable but technically difficult: the same functionality implemented for two different microcontroller platforms can be entirely incompatible at the hardware level, even when the functions score above 0.90 cosine similarity and both pass SonarQube quality checks. Static analysis tools were designed to measure code quality, not hardware-domain compatibility, and have no model of peripheral interfaces, hardware abstraction layer (HAL) dependencies, or register-map constraints. This paper presents a domain-aware retrieval-augmented generation (RAG) pipeline for embedded C software reuse detection that addresses the hardware-compatibility gap directly. The pipeline enriches each function by extracting its existing inline comments, call-graph context, and a project README before embedding it with eight backbone models (MiniLM, MPNet, BGE, E5, GraphCodeBERT, OpenAI text-embedding-3-small, LLaMA 3 8B, StarCoder2 3B) acting as feature extractors. Four hardware-compatibility validators---covering peripheral token overlap, parameter count parity, call-graph dependency overlap, and structural branching pattern---filter candidates directly in the retrieval stack. Evaluated on six public embedded C software projects (184 functions, 4,815 above-plateau pairs), the pipeline reveals that SonarQube produces a 93.6% false-positive rate as a reuse filter, with 83.5% of failures caused by hardware-environment mismatches that static analysis cannot detect. Manual verification of 40 rejected pairs confirms 97.5% validator accuracy, and a diagnostic rule-injection variant identifies the dominant failure categories (McNemar chi-squared~=~294.0, p~$<$~0.001).
- Abstract（参考訳）: 2つの異なるマイクロコントローラプラットフォームで実装された同じ機能は、0.90コサイン以上の類似度でSonarQubeの品質チェックをパスしても、ハードウェアレベルでは完全に互換性がない。
静的解析ツールは、ハードウェアとドメインの互換性ではなく、コード品質を測定するように設計されており、周辺インタフェース、ハードウェア抽象化層(HAL)依存性、レジスタマップ制約のモデルを持たない。
本稿では,ハードウェア互換性のギャップに直接対処する組込みCソフトウェア再利用検出のためのドメイン認識検索拡張生成(RAG)パイプラインを提案する。
パイプラインは、既存のインラインコメント、コールグラフコンテキスト、プロジェクトREADMEを抽出し、それを8つのバックボーンモデル(MiniLM、MPNet、BGE、E5、GraphCodeBERT、OpenAI text-embedding-3-small、LLaMA 3 8B、StarCoder2 3B)に埋め込む。
周辺トークンのオーバーラップ、パラメータカウントパリティ、コールグラフ依存性のオーバーラップ、構造分岐パターンの4つのハードウェア互換性検証器が、直接検索スタック内に存在する。
6つの公開組込みCソフトウェアプロジェクト(184の関数、4,815の上位ペア)で評価されたこのパイプラインは、SonarQubeが93.6%の偽陽性率を再利用フィルタとして生成し、静的解析では検出できないハードウェア環境ミスマッチによる83.5%の失敗が原因であることを示した。
40組の拒絶されたペアのマニュアルによる検証は、97.5%の検証精度を確認し、診断規則の挿入変種は、支配的な障害カテゴリ(McNemar chi-squared~=~294.0, p~$<$~0.001)を特定する。
関連論文リスト
- MemToC: Benchmarking Memory-Tool Conflict Resolution in Large Language Models [49.47300047353726]
MemToCは、実行時ツールによるポストツール-リターン仲裁のベンチマークである。
MemToCは、542の質制御された事実質問から構築された6,504回の評価エピソードで構成されている。
オープンウェイトな7-9Bモデルでは、ツールが強く支配的なクローズドブックの回答を返す。
論文 参考訳（メタデータ） (2026-08-26T18:22:03Z) - Benchmarking LLMs for Verilog Design Flows [6.24010225101442]
大規模言語モデル(LLM)は、コード生成において有望であるが、正しい合成可能なハードウェア記述言語(HDL)コードを生成する能力は、まだ適切にベンチマークされている。
本稿では,Verilog RTL 生成におけるオープンソース LLM の評価を行う再現可能なベンチマークプラットフォームを提案する。
このパイプラインは構文の妥当性を0%から70.43%に改善し、シミュレーションパスレートは3つのオープンソースモデルで51.8%に向上した。
論文 参考訳（メタデータ） (2026-07-23T21:00:38Z) - Graph-Based Structural Evaluation of LLM-Translated Adversary Emulation Procedures [0.0]
逆エミュレーション計画では、MITRE ATT&CK技術を用いた多段階攻撃手順を記述している。
このフレームワークには、自由テキストを可観測クラスに変換するテレメトリインテントである bipartite GED が含まれている。
論文 参考訳（メタデータ） (2026-07-13T13:04:23Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - What the LLM Should Not Say: Boundary-Aware Context Grounding for A Seven-Channel EEG Agent [8.617463707951673]
大規模言語モデル(LLM)は科学ソフトウェアをより使いやすくする。
我々は,決定論的局所脳波エンジンをハードウェア対応言語層から分離するオープンソースアーキテクチャであるNeuraDock Agentを提案する。
論文 参考訳（メタデータ） (2026-06-25T01:51:20Z) - Automated Semantic Fault Localization in SysML v2: A Human-in-the-Loop Framework Using Knowledge-Graph Augmented LLMs [0.11744028458220425]
本稿では,意味的誤りを自動的に識別し,修復するためのヒューマン・イン・ザ・ループ・フレームワークを提案する。
微調整された小言語モデル(SLM)と、システム要素間の物理的互換性ルールをコードするドメイン知識グラフを組み合わせる。
本稿では,車載システム領域を用いて,機械的,電気的,流体的,信号的インターフェース間の関係を把握した知識グラフを示す。
論文 参考訳（メタデータ） (2026-06-22T14:20:11Z) - Understanding NPM Malicious Package Detection: A Benchmark-Driven Empirical Analysis [10.599261033874884]
NPMエコシステムは、ソフトウェアサプライチェーン攻撃の主要なターゲットとなっている。
ベンチマークによるNPMマルウェア検出の実証分析を行う。
我々は、11の行動カテゴリと8の回避テクニックを付加した、6,420の悪意のある7,288の良性パッケージのデータセットを構築した。
論文 参考訳（メタデータ） (2026-03-29T07:04:31Z) - 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) - Plug-and-Play Benchmarking of Reinforcement Learning Algorithms for Large-Scale Flow Control [61.155940786140455]
強化学習(RL)は,アクティブフロー制御(AFC)において有望な結果を示した。
現在のAFCベンチマークは、外部計算流体力学(CFD)の解法に依存しており、完全には微分不可能であり、3Dとマルチエージェントのサポートが限られている。
AFCにおけるRLのための最初のスタンドアロンで完全に差別化可能なベンチマークスイートであるFluidGymを紹介する。
論文 参考訳（メタデータ） (2026-01-21T14:13:44Z) - SemGuard: Real-Time Semantic Evaluator for Correcting LLM-Generated Code [46.20378145112059]
ポストホック修復パイプラインは、実行後にのみそのような障害を検出する。
本稿では,実時間で行レベルのセマンティック監視を行うセマンティック評価フレームワークSemGuardを紹介する。
論文 参考訳（メタデータ） (2025-09-29T09:21:32Z) - SOPBench: Evaluating Language Agents at Following Standard Operating Procedures and Constraints [59.645885492637845]
SOPBenchは、各サービス固有のSOPコードプログラムを実行可能な関数の有向グラフに変換する評価パイプラインである。
提案手法では,各サービス固有のSOPコードプログラムを実行可能関数の有向グラフに変換し,自然言語SOP記述に基づいてこれらの関数を呼び出しなければならない。
我々は18の先行モデルを評価し、上位モデルでさえタスクが困難であることを示す。
論文 参考訳（メタデータ） (2025-03-11T17:53:02Z) - Global Context Aggregation Network for Lightweight Saliency Detection of
Surface Defects [70.48554424894728]
我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。
まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。
3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
論文 参考訳（メタデータ） (2023-09-22T06:19:11Z)
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。