論文の概要: CG-Diff: Organizing Code Changes Around Call Graphs

• arxiv url: http://arxiv.org/abs/2609.32057v1
• Date: Fri, 25 Sep 2026 22:36:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 03:26:38.563886
• Title: CG-Diff: Organizing Code Changes Around Call Graphs
• Title（参考訳）: CG-Diff:コールグラフを中心としたコード変更の組織化
• Abstract要約: 多くの場合、変更は変更したコードのコールグラフを中心に整理される可能性がある、と私たちは論じています。 我々は、変更したコードのコールグラフを、より小さく、より有向なグラフに分解したCG-Diffsというサブグラフの考え方を発展させる。 我々は,これらのCG-Diffの周囲のPRを再構成するPRを閲覧するためのWebベースのインタフェースを実装した。
• 参考スコア（独自算出の注目度）: 5.7536620747010545
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Tools for code review present code changes file-by-file. We argue that, oftentimes, changes can be better organized around a call graph of the changed code. From an empirical study of GitHub pull requests (PRs) in-the-wild, we find that (1) in around 40% of the PRs, more than half of the changed functions (and methods) are connected by call graphs, and (2) necessary callees are often located in different files from their callers. Based on these findings, we develop the notion of CG-Diffs, subgraphs derived by decomposing a call graph of the changed code into smaller and more navigable directed graphs. We then implement a web-based interface for viewing PRs that restructures the PR around these CG-Diffs. Through a within-subject study comparing our interface against GitHub's PR view, we find that CG-Diffs help orient participants and provide them with more meaningful structures to navigate the PR. We also found several limitations: function nodes repeated across multiple CG-Diffs can be disorienting, and changes not contained in a function (e.g. globals, imports) are not as immediately apparent. Our study shows promise in using call graphs to help contextualize and navigate unfamiliar codebases, which may benefit new contributors to open source, and reviewers of unfamiliar LLM-generated PRs.
• Abstract（参考訳）: コードレビューツール ファイルごとのコード変更を提示する。 多くの場合、変更は変更したコードのコールグラフを中心に整理される可能性がある、と私たちは論じています。 GitHubのプルリクエスト(PR)に関する実証的研究から、(1)PRの約40%では、変更された関数(とメソッド)の半分以上がコールグラフで接続されており、(2)必要な呼び出し元は、呼び出し元と異なるファイルに置かれることがよくあります。 これらの知見に基づき、変更したコードのコールグラフをより小さくナビゲート可能な有向グラフに分解したCG-Diffsというサブグラフを考案した。 次に、これらのCG-Diffの周囲のPRを再構成するPRを閲覧するためのWebベースのインタフェースを実装します。 GitHubのPRビューとインターフェースを比較した内部調査を通じて、CG-Diffsが参加者の参加を支援し、PRをナビゲートするためのより有意義な構造を提供することがわかった。 複数のCG-Diffで繰り返される関数ノードは無視でき、関数に含まれない変更(例えばグローバル、インポート)はすぐには明らかではない。 我々の研究は、コールグラフを使用して、慣れていないコードベースのコンテキスト化とナビゲートを支援することで、オープンソースへの新たなコントリビュータや、慣れていないLLM生成PRのレビュアーに利益をもたらす可能性があることを示しています。

関連論文リスト

• SelfGraphRAG: Bridging the Supervision Gap in Graph-Based RAG with Synthetic QA Generation [10.08021023788401]
  SelfGraphRAGは知識グラフ構造から直接質問応答ペアを生成し、クエリ条件のグラフ検索をトレーニングするフレームワークである。 本稿では,SelfGraphRAGにより,埋め込みベースラインよりも検索精度と下流推論性能が向上することを示す。
  論文  参考訳（メタデータ） (2026-08-25T20:18:05Z)
• GALA: Multimodal Graph Alignment for Bug Localization in Automated Program Repair [40.228155198574356]
  本稿では,マルチモーダル自動プログラム修復(APR)を暗黙的な意味的推測から明示的な構造的推論に移行するフレームワークであるGALAを提案する。 GALAは、まずイメージUIグラフを構築して、視覚要素とその構造的関係をキャプチャし、続いて、このUIグラフをリポジトリレベルの構造と相互参照することで、ファイルレベルのアライメントを実行する。 モダリティ間のセマンティクスとリレーショナルの整合性を強制することにより、GALAは高度に正確なビジュアル・ツー・コードマッピングを確立する。
  論文  参考訳（メタデータ） (2026-04-09T11:06:25Z)
• ProGraph-R1: Progress-aware Reinforcement Learning for Graph Retrieval Augmented Generation [37.11787010202267]
  ProGraph-R1は,グラフベースの検索と多段階推論のためのプログレッシブ・エージェント・フレームワークである。 ProGraph-R1は、意味的関連性とグラフ接続性について共同で検討する構造対応のハイパーグラフ検索機構を導入している。 マルチホップ質問応答ベンチマークの実験では、ProGraph-R1は既存のGraphRAG法よりも推論精度と生成品質を一貫して改善している。
  論文  参考訳（メタデータ） (2026-01-25T08:58:44Z)
• Graph-Anchored Knowledge Indexing for Retrieval-Augmented Generation [53.42323544075114]
  グラフアンコール型知識インデックス手法であるGraphAnchorを提案する。 4つのマルチホップ質問応答ベンチマークの実験では、GraphAnchorの有効性が示されている。
  論文  参考訳（メタデータ） (2026-01-23T05:41:05Z)
• Align-GRAG: Reasoning-Guided Dual Alignment for Graph Retrieval-Augmented Generation [79.75818239774952]
  大きな言語モデル(LLM)は目覚ましい能力を示しているが、幻覚や時代遅れの情報といった問題に苦戦している。 Retrieval-augmented Generation (RAG) は、情報検索システム(IR)を用いて、外部知識のLLM出力を基底にすることで、これらの問題に対処する。 本稿では、検索後句における新しい推論誘導二重アライメントフレームワークであるAlign-GRAGを提案する。
  論文  参考訳（メタデータ） (2025-05-22T05:15:27Z)
• RepoGraph: Enhancing AI Software Engineering with Repository-level Code Graph [63.87660059104077]
  RepoGraphは、現代のAIソフトウェアエンジニアリングソリューションのためのリポジトリレベルの構造を管理するプラグインモジュールである。 RepoGraphはすべてのシステムのパフォーマンスを大幅に向上させ、オープンソースフレームワークの間で新たな最先端技術を生み出している。
  論文  参考訳（メタデータ） (2024-10-03T05:45:26Z)
• Leveraging Structural Properties of Source Code Graphs for Just-In-Time Bug Prediction [6.467090475885797]
  グラフは関係データを理解するのに最もよく使われる表現の1つである。 本研究では,ソースコードのリレーショナル特性をグラフ形式で活用する手法を提案する。
  論文  参考訳（メタデータ） (2022-01-25T07:20:47Z)
• deGraphCS: Embedding Variable-based Flow Graph for Neural Code Search [15.19181807445119]
  ソースコードを変数ベースのフローグラフに変換する学習可能なDeGraph for Code Search(deGraphCSと呼ばれる)を提案する。 C言語で記述された41,152のコードスニペットを含む大規模なデータセットをGitHubから収集しています。
  論文  参考訳（メタデータ） (2021-03-24T06:57:44Z)
• Inverse Graph Identification: Can We Identify Node Labels Given Graph Labels? [89.13567439679709]
  グラフ識別(GI)は、グラフ学習において長い間研究されており、特定の応用において不可欠である。 本稿では,逆グラフ識別(Inverse Graph Identification, IGI)と呼ばれる新しい問題を定義する。 本稿では,グラフアテンションネットワーク(GAT)を用いたノードレベルのメッセージパッシング処理を,GIのプロトコルの下でシンプルかつ効果的に行う方法を提案する。
  論文  参考訳（メタデータ） (2020-07-12T12:06:17Z)

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。