論文の概要: Repo0: Design-Driven Zero-to-All Code Generation
- arxiv url: http://arxiv.org/abs/2608.19854v1
- Date: Thu, 20 Aug 2026 10:03:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-21 20:28:51.526801
- Title: Repo0: Design-Driven Zero-to-All Code Generation
- Title（参考訳）: Repo0: 設計駆動のゼロからオールのコード生成
- Abstract要約: Repo0はゼロからオールコード生成のための継続的構造進化フレームワークである。
GPT-5 miniとDeepSeek V3.2を用いて,RepoCraftの6つの実世界のリポジトリ上でRepo0を評価する。
- 参考スコア（独自算出の注目度）: 24.362494910000844
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language model agents have made substantial progress in code generation, yet most existing systems assume a predefined repository architecture. This assumption does not hold in zero-to-all code generation, where an agent must construct an entire software project directly from natural-language requirements while maintaining a modular repository architecture throughout development. We present Repo0, a continuous structural evolution framework for zero-to-all code generation. Repo0 maintains an explicit architectural state instantiated as a Dual-Directed-Acyclic-Graph (Dual-DAG), consisting of a requirement-level DAG, a component-level DAG, and their alignment relation. Starting from natural-language requirements, it iteratively evolves component boundaries through structural actions guided by modularity metrics until structural convergence, after which the converged architecture guides test-driven development code generation. We evaluate Repo0 on six real-world repositories from RepoCraft using GPT-5 mini and DeepSeek V3.2. Repo0 achieves the highest Functionality Coverage and Pass Rate across all settings. Compared with RPG, the strongest repository-planning baseline, Repo0 improves Functionality Coverage by up to 20.08 percentage points and Pass Rate by up to 29.74 percentage points. Ablation and structural-evolution analyses further demonstrate the importance of the Dual-DAG architectural state, modularity-guided structural evolution, and explicit structural convergence.
- Abstract（参考訳）: 大規模言語モデルエージェントはコード生成に大きな進歩を遂げているが、既存のシステムの多くは事前に定義されたリポジトリアーキテクチャを前提としている。
エージェントは、開発全体を通してモジュラーリポジトリアーキテクチャを維持しながら、自然言語要求から直接ソフトウェアプロジェクト全体を構築する必要がある。
ゼロ・ツー・オールなコード生成のための継続的構造進化フレームワークであるRepo0を紹介します。
Repo0は、Dual-Directed-Acyclic-Graph (Dual-DAG)としてインスタンス化された明示的なアーキテクチャ状態を維持しており、要求レベルDAG、コンポーネントレベルDAG、およびそれらのアライメント関係で構成されている。
自然言語要求から始めて、モジュール性メトリクスによって導かれる構造的アクションを通じてコンポーネント境界を反復的に進化させ、その後、収束したアーキテクチャがテスト駆動開発コード生成を導く。
GPT-5 miniとDeepSeek V3.2を用いて,RepoCraftの6つの実世界のリポジトリ上でRepo0を評価する。
Repo0はすべての設定で最高の機能カバレッジとパスレートを達成する。
最も強力なリポジトリ計画ベースラインであるRPGと比較して、Repo0は機能カバレッジを最大20.08ポイント、パスレートを最大29.74ポイント改善している。
アブレーションと構造進化解析は、デュアルDAGアーキテクチャ状態、モジュラリティ誘導構造進化、明示的な構造収束の重要性をさらに示している。
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) - Agentic Designer: Progressive Multi-Agent Collaboration for Structure-Aware Interior Layout Generation [84.5255199507027]
Agentic Designerは、構造を意識した内部レイアウト生成を反復的かつ制約的に検証された決定プロセスとして定式化する、プログレッシブなフレームワークである。
提案、検証、合成、調整のモジュールステージにレイアウトを分解することで、フレームワークは3つの特殊エージェント、ジェネレータ、評価器、精錬器を協調する。
この機構は、各配置がコミットされる前に段階的に幾何的検証と補正を行い、エラーの蓄積を防止する。
論文 参考訳（メタデータ） (2026-07-23T02:46:11Z) - GRACE-RAG: Governed Retrieval Architecture for Canonical Evidence Synthesis, Enabling Lightweight Deployment in Closed-Domain Institutional Settings [2.084969478024457]
本稿では、生成段階から構造的検索層への構造的推論を外部化する、グラフ拡張RAGアーキテクチャであるGRACE-RAGを紹介する。
実験では、完成度、深さ、予測範囲が一貫した改善を示し、中規模モデルでは全体の品質が最大20%向上した。
論文 参考訳（メタデータ） (2026-05-08T12:53:53Z) - Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。
本稿では,再構築による理解という,新しいパラダイムを提案する。
マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T09:23:20Z) - 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) - ReusStdFlow: A Standardized Reusability Framework for Dynamic Workflow Construction in Agentic AI [11.130786494338876]
ReusStdFlowは、新しい抽出・構築のパラダイムを中心にしたフレームワークである。
それは、トポロジ構造と機能的セマンティクスの両方の検索を容易にするために、二重知識アーキテクチャ統合グラフとベクトルデータベースを利用する。
200の現実世界のn8nでテストされ、抽出と構築の両方で90%以上の精度を達成している。
論文 参考訳（メタデータ） (2026-02-16T16:56:53Z) - 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) - NL2Repo-Bench: Towards Long-Horizon Repository Generation Evaluation of Coding Agents [79.29376673236142]
既存のベンチマークは、完全なソフトウェアシステムを構築するのに必要な長期的能力の厳格な評価に失敗する。
符号化エージェントの長期リポジトリ生成能力を評価するために設計されたベンチマークであるNL2Repo Benchを提案する。
論文 参考訳（メタデータ） (2025-12-14T15:12:13Z) - Completion by Comprehension: Guiding Code Generation with Multi-Granularity Understanding [37.78627994991325]
CoCoは、大規模なコードリポジトリから複数の粒度コンテキストでコード補完を可能にする新しいフレームワークである。
CrossCodeEvalとRepoEvalベンチマークの実験は、CoCoが最先端のベースラインを一貫して上回っていることを示している。
論文 参考訳（メタデータ） (2025-12-04T07:37:59Z) - RPG: A Repository Planning Graph for Unified and Scalable Codebase Generation [27.834864953082302]
Repository Planning Graph (RPG)は、統一グラフ内の機能、ファイル構造、データフロー、関数をエンコードする。
ZeroRepoは、提案レベルの計画、実装レベルの構築、テストバリデーションを備えたグラフ誘導コード生成という、グラフ駆動のフレームワークである。
論文 参考訳（メタデータ） (2025-09-19T17:58:14Z) - Loong: Synthesize Long Chain-of-Thoughts at Scale through Verifiers [103.4410890572479]
スケーラブルな合成データ生成と検証のためのオープンソースのフレームワークであるLoong Projectを紹介します。
LoongBenchは、12のドメインにまたがる8,729の人為的なサンプルを含む、キュレートされたシードデータセットである。
LoongEnvはモジュラー合成データ生成環境であり、新しい質問応答コードのトリプルを生成する複数のプロンプト戦略をサポートする。
論文 参考訳（メタデータ） (2025-09-03T06:42:40Z)
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。