論文の概要: An Agentic Workflow for Legacy HPC Modernization: Converting the Two-Electron-Integral Core of GAMESS
- arxiv url: http://arxiv.org/abs/2608.12249v1
- Date: Wed, 12 Aug 2026 16:48:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-13 19:07:54.653363
- Title: An Agentic Workflow for Legacy HPC Modernization: Converting the Two-Electron-Integral Core of GAMESS
- Title（参考訳）: レガシーHPC近代化のためのエージェントワークフロー:GAMESSの2電子内接コア変換
- Abstract要約: この研究は、48年の歴史を持つ成熟量子化学パッケージであるGAMESSの2電子積分ルーチンを変換する。
この研究の範囲は12のソースファイル、56,448行、225のサブルーチンで電子反発積分を計算した。
- 参考スコア（独自算出の注目度）: 4.4455011390187815
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modernizing legacy Fortran is a problem of volume: the transformations are individually routine, but the codebases can be enormous, and across much of computational science the work simply goes undone. We propose an agentic workflow that takes this work on at production scale, and we set out to measure how far such delegation can reach. In this work, three prompt-specialized agent roles operate under a version-controlled specification that the agents themselves authored and revised, while humans hold a small number of gates. The arrangement is kept safe by an exact verification oracle inherited from the domain, and the boundary of safe delegation lies exactly where that oracle stops seeing. We apply the proposed workflow in a case study, converting the two-electron-integral routines of GAMESS (General Atomic and Molecular Electronic Structure System), a mature quantum-chemistry package with a 48-year development history, from fixed-form Fortran 77 to free-form Fortran 2008. The scope of this work was twelve source files, 56,448 lines, and 225 subroutines for computing electron repulsion integrals. The agents ran as three Claude Code roles in isolated worktrees, and the work spanned four Claude model generations. Because the GAMESS group ships a standard test suite whose printed energies its user community treats as canonical, we could adopt bit-for-bit reproduction of those energies as the merge criterion, where a deviation in the twelfth decimal place counts as a failure rather than drift. All twelve source files pass a 51-test validation battery comprising the 49 standard GAMESS tests and two additional calculations, and across 612 test runs the number of chemistry-relevant differences is zero, and every file also passes the Jenkins tests that are used for continuous integration.
- Abstract（参考訳）: トランスフォーメーションは個別にルーチンであるが、コードベースは巨大なものになり、計算科学の多くの分野において、その作業は単純に中止される。
我々は,本作業を実運用規模で行うエージェントワークフローを提案し,そのようなデリゲートがどこまで到達できるかを計測する。
本研究では、3つのプロンプト特殊化エージェントロールが、エージェント自体が作成・改訂したバージョン管理仕様の下で動作し、人間は少数のゲートを保有する。
この配列は、ドメインから継承された正確な検証オラクルによって安全に保たれ、安全なデリゲートの境界は、そのオラクルが見るのをやめた場所にある。
GAMESS(General Atomic and Molecular Electronic Structure System)は,48年の歴史を持つ量子化学パッケージで,定型 Fortran 77 から自由形 Fortran 2008 に変換された。
この研究の範囲は12のソースファイル、56,448行、225のサブルーチンで電子反発積分を計算した。
エージェントは独立したワークツリーで3つのClaude Codeロールとして動作し、作業は4つのClaudeモデル世代にまたがった。
GAMESSグループは、ユーザコミュニティを標準として処理する標準テストスイートを出荷しているので、これらのエネルギのビット・フォー・ビット再生をマージ基準として採用することが可能です。
12のソースファイルはすべて、49の標準GAMESSテストと2つの計算を含む51のテスト検証バッテリをパスし、612のテストで化学関連の違いの数がゼロとなり、すべてのファイルは継続的インテグレーションに使用されるJenkinsテストもパスする。
関連論文リスト
- Broken on Arrival: Silently Defective LLM Artifacts in Public Model Registries and How to Catch Them [0.0]
我々は公式のOllamaライブラリから量子化されたコード対応モデルアーティファクトを実行し、8GB以下で15のモデルラインを、HuggingFace上で最もダウンロードされたコミュニティリポジトリから22のモデルラインで実行します。
それぞれが15タスクのスモークスイートを実行して、健康なアーティファクトが通過するのに失敗し、容疑者は164タスクの完全な評価、第2のバックエンド、独立したテンプレートによる同じモデルの変換、およびレフェリーとしての量子化に直面した。
公式ライブラリには、サイレントに欠陥のある5つのアーティファクト、Qwen2.5-Coder-3B変換のバッチと1つのphiが含まれている。
論文 参考訳（メタデータ） (2026-09-05T05:05:51Z) - SkillGLoW: Procedural-Family Skill Consolidation for Self-Improving Agents on Long-Horizon Task Streams [55.90739575113059]
再利用の欠如は、関連するタスクのクラスタによって共有される解決手順であり、その周りでSkillGLoWを構築している、と我々は主張する。
4つのベンチマーク(数学的推論、端末の自動化、ソフトウェア修復、実施制御)と3つのモデルで、前者は平均17.2ポイント(ハード)を獲得している。
論文 参考訳（メタデータ） (2026-09-02T07:31:18Z) - ClawArena-Team: Benchmarking Subagent Orchestration and Dynamic Workflows in Language-Model Agents [61.184954205350984]
ClawArena-Teamは、41のマルチターン、マルチモーダル、マルチエージェントシナリオのベンチマークである。
全体的なスコア -- Subagent-Management Score (SMS) -- は、タスクの正しさを最小限のプライマリとモダリティのルーティング因子によって乗算する。
論文 参考訳（メタデータ） (2026-06-30T06:06:08Z) - ChipMATE: Multi-Agent Training via Reinforcement Learning for Enhanced RTL Generation [55.947962672433675]
ChipMATEは、RTL生成のための最初の自己学習型マルチエージェントフレームワークである。
ChipMATEは産業的な実践に触発され、VerilogエージェントとPythonのリファレンスモデルエージェントをペアにし、相互に出力を検証する。
ChipMATEは、VerilogEval V2で75.0%と80.1%パス@1を4Bと9Bベースモデルで達成している。
論文 参考訳（メタデータ） (2026-05-13T01:04:21Z) - ClawMark: A Living-World Benchmark for Multi-Turn, Multi-Day, Multimodal Coworker Agents [77.22389710754452]
マルチターンマルチデイタスクを中心に構築された同僚エージェントのベンチマークであるベンチを紹介する。
現在のリリースには、13のプロのシナリオにわたる100のタスクが含まれており、5つのステートフルなサンドボックスサービスに対して実行される。
最強のモデルは75.8の重み付きスコアに達するが、最も厳格なタスク成功率は20.0%に過ぎず、部分的な進歩が一般的であることを示している。
論文 参考訳（メタデータ） (2026-04-26T16:05:02Z) - From Paper to Program: Accelerating Quantum Many-Body Algorithm Development via a Multi-Stage LLM-Assisted Workflow [4.866193347313755]
大規模言語モデル(LLM)は高速にコードを生成することができるが、科学的アルゴリズムでは信頼性が低い。
本稿では,理論抽出,形式仕様,コード実装を分離した多段階LLM支援ワークフローを提案する。
論文 参考訳（メタデータ） (2026-04-05T12:12:54Z) - TermiGen: High-Fidelity Environment and Robust Trajectory Synthesis for Terminal Agents [70.68963723787424]
TermiGenは検証可能な環境とレジリエントな専門家軌道を合成するためのエンドツーエンドパイプラインである。
TermiGen-Qwen2.5-Coder-32B は TerminalBench 上で 31.3% のパスレートを達成した。
論文 参考訳（メタデータ） (2026-02-06T23:56:50Z) - Scaling the Scaling Logic: Agentic Meta-Synthesis of Logic Reasoning [18.75349680577575]
SSLogicは、コントロール可能な困難を伴う継続的家族進化のためのフレームワークである。
SSLogicに進化したデータのトレーニングは、一致したステップでシードベースラインに対して一貫した利得を得る。
論文 参考訳（メタデータ） (2026-01-23T13:26:01Z) - Towards a Science of Scaling Agent Systems [79.64446272302287]
エージェント評価の定義を定式化し,エージェント量,コーディネーション構造,モデル,タスク特性の相互作用として,スケーリング法則を特徴付ける。
協調指標を用いて予測モデルを導出し,R2=0をクロスバリデーションし,未知のタスク領域の予測を可能にする。
ツールコーディネーショントレードオフ: 固定的な計算予算の下では, ツールヘビータスクはマルチエージェントのオーバーヘッドから不均衡に悩まされ, 2) 能力飽和: 調整が減少または負のリターンを, 単一エージェントのベースラインが45%を超えると達成できる。
論文 参考訳（メタデータ） (2025-12-09T06:52:21Z) - StaAgent: An Agentic Framework for Testing Static Analyzers [7.951459111292028]
StaAgentは、静的アナライザルールを体系的に評価するために、LLM(Large Language Models)の生成能力を利用するエージェントフレームワークである。
StaAgentは一貫性のない振る舞いを明らかにすることによって、ルール実装の欠陥を明らかにするのに役立ちます。
そこで我々は,StaAgentを5つの広く使用されている静的アナライザにまたがって5つの最先端LCMを用いて評価した。
論文 参考訳（メタデータ） (2025-07-20T13:41:02Z) - AgentCoder: Multi-Agent-based Code Generation with Iterative Testing and Optimisation [11.155351560550853]
本稿では,マルチエージェント・アシスタント・コード生成(AgentCoder)を紹介する。
AgentCoderは,プログラマエージェント,テストデザイナエージェント,テストエグゼクタエージェントという,特殊なエージェントを備えたマルチエージェントフレームワークを備えた,斬新なソリューションだ。
9つのコード生成モデルと12つの拡張アプローチの実験では、既存のコード生成モデルよりもAgentCoderの方が優れたパフォーマンスを示している。
論文 参考訳（メタデータ） (2023-12-20T13:22:41Z)
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。