論文の概要: HyQDB: LLM-Assisted Debugging for Hybrid Quantum Workflows

• arxiv url: http://arxiv.org/abs/2609.30313v1
• Date: Wed, 23 Sep 2026 09:56:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-28 18:27:51.063701
• Title: HyQDB: LLM-Assisted Debugging for Hybrid Quantum Workflows
• Title（参考訳）: HyQDB: ハイブリッド量子ワークフローのためのLLM支援デバッグ
• Abstract要約: ハイブリッド量子プログラムの故障は、しばしば静かに起こる。 既存のツールは、検出と修復を限定的にサポートする。 本稿では, 決定論的ハードウェア, 物理, 最適化エビデンスを補修プロセスに注入するタイレッドエージェントHyQDBを提案する。
• 参考スコア（独自算出の注目度）: 9.36272619791205
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hybrid quantum program failures frequently occur silently, yet existing debugging tools provide limited support for detecting and repairing them. These faults dominate the failures reported by domain experts, yet existing tools evaluate on public data that under-represents this failure mode. Our key insight is that faults divide into two classes that require different strategies: mechanical faults, which allow deterministic analysis, and conceptual faults, which require reconstructing the program's intent. To address this challenge, we present HyQDB, a tiered agent that injects deterministic hardware, physics and optimization evidence into the LLM repair process. When no evidence is detected, the agent treats this silence as a signal to escalate to a second intent-reconstruction tier, that infers the program's behaviour and reconciles it with the implementation. To evaluate HyQDB, we introduce QFaultBench, a benchmark built from an expert-derived fault taxonomy that represents the true failure modes of hybrid programs. On a held-out set of human-authored programs, HyQDB raises repair success over a standard LLM from 45% to 75%. We show that the escalation gate is crucial, giving a 20% improvement in mechanical fault repair accuracy.
• Abstract（参考訳）: ハイブリッド量子プログラムの障害はサイレントに発生することが多いが、既存のデバッグツールは検出と修復を限定的にサポートする。 これらの障害は、ドメインの専門家が報告した障害を支配していますが、既存のツールは、この障害モードを下記の公開データに基づいて評価します。 我々の重要な洞察は、障害は、決定論的分析を可能にする機械的欠陥と、プログラムの意図の再構築を必要とする概念的欠陥の2つのクラスに分けられるということである。 この課題に対処するために,LLM修復プロセスに決定論的ハードウェア,物理,最適化エビデンスを注入するタイレッドエージェントHyQDBを提案する。 証拠が検出されていない場合、エージェントはこの沈黙を、プログラムの振る舞いを推測し、実装と整合させる第2の意図再構成階層にエスカレートするシグナルとして扱う。 HyQDBを評価するために、ハイブリッドプログラムの真の障害モードを表す専門家由来の障害分類から構築されたベンチマークであるQFaultBenchを紹介する。 HyQDBは、人間が認可した一連のプログラムにおいて、標準のLSMよりも45%から75%の修正成功率を上げている。 エスカレーションゲートは重要であり,機械的故障修復精度は20%向上した。

関連論文リスト

• QBugLM: An Agentic Benchmarking Framework for LLM-based Quantum Software Debugging [0.8609132348927196]
  大規模言語モデル(LLM)は、古典的なソフトウェア工学のタスクにおいて強力なパフォーマンスを示している。 量子ソフトウェアデバッグパイプラインを自動化するマルチエージェントフレームワークであるQBugLMを提案する。
  論文  参考訳（メタデータ） (2026-06-05T14:34:46Z)
• LiveFMBench: Unveiling the Power and Limits of Agentic Workflows in Specification Generation [75.05397479715576]
  大規模言語モデル(LLM)とエージェントは有望な進歩を示しているが、その真の能力と失敗モードは未だ不明である。 CプログラムのためのLCMおよびエージェントベースの形式仕様生成に関する、最初の体系的および汚染に配慮した研究を提案する。
  論文  参考訳（メタデータ） (2026-05-02T11:31:33Z)
• VIBEPASS: Can Vibe Coders Really Pass the Vibe Check? [46.85901599242161]
  emphFault-Triggering Test Generation(FT-Test)とemphFault-targeted Program repair(FPR)の2つの組み合わせタスクを評価した。 故障対象推論は一般的な符号化能力ではスケールしないことがわかった。 自己生成テストが障害の発見に成功すると、結果として得られた修復結果が外部から提供されたテストによってガイドされた修復と一致したり、性能が低下する。
  論文  参考訳（メタデータ） (2026-03-16T21:14:28Z)
• Automated Self-Testing as a Quality Gate: Evidence-Driven Release Management for LLM Applications [51.56484100374058]
  我々は,エビデンスに基づくリリース決定を伴う品質ゲートを導入する自動自己テストフレームワークを提案する。 内部展開型多エージェント対話型AIシステムの縦型ケーススタディにより,本フレームワークの評価を行った。
  論文  参考訳（メタデータ） (2026-03-13T20:44:15Z)
• PropHunt: Automated Optimization of Quantum Syndrome Measurement Circuits [5.417269705653019]
  シンドローム計測(SM)回路は、コードの論理誤差率を定義する。 PropHuntはCSSコードのSM回路を最適化する自動化ツールである。 我々はまた、論理誤差率に対するPropHuntのきめ細かい制御を利用してZero-Noise Extrapolation(ZNE)を改善する、短期QECアプリケーションであるHook-ZNEを提案する。
  論文  参考訳（メタデータ） (2026-01-24T20:22:17Z)
• DoVer: Intervention-Driven Auto Debugging for LLM Multi-Agent Systems [48.971606069204825]
  DoVerは、大規模言語モデル(LLM)ベースのマルチエージェントシステムのための介入駆動デバッグフレームワークである。 ターゲットの介入を通じて、アクティブな検証によって仮説生成を増強する。 DoVerは失敗試験の18～28%を成功させ、最大16%のマイルストーンを達成し、失敗仮説の30～60%を検証または否定する。
  論文  参考訳（メタデータ） (2025-12-07T09:23:48Z)
• Specification-Guided Repair of Arithmetic Errors in Dafny Programs using LLMs [79.74676890436174]
  本稿では,障害の局所化と修復のためのオラクルとして形式仕様を用いたDafny用のAPRツールを提案する。 プログラム内の各ステートメントの状態を決定するために、Hoareロジックの使用を含む一連のステップを通じて、障害をローカライズします。 また, GPT-4o miniが74.18%と高い修理成功率を示した。
  論文  参考訳（メタデータ） (2025-07-04T15:36:12Z)
• SURE: A Visualized Failure Indexing Approach using Program Memory Spectrum [2.4151044161696587]
  本稿では,プログラムメモリスペクトルを用いたsualized failuRe indExingアプローチであるSUREを提案する。 まず、失敗したテストケースの実行中に、事前に設定されたブレークポイントで実行時のメモリ情報を収集する。 2つの障害のプロキシとして機能するPMSイメージの任意のペアは、トレーニングされたシームズ畳み込みニューラルネットワークに供給される。
  論文  参考訳（メタデータ） (2023-10-19T02:04:35Z)

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。