論文の概要: Towards Certificate-Driven Software Porting: A Self-Improving Agentic Harness for Scientific Program Optimization
- arxiv url: http://arxiv.org/abs/2609.34069v1
- Date: Mon, 28 Sep 2026 00:50:30 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-04 07:14:50.99218
- Title: Towards Certificate-Driven Software Porting: A Self-Improving Agentic Harness for Scientific Program Optimization
- Title（参考訳）: 認証駆動型ソフトウェア移植に向けて:科学プログラム最適化のための自己改善型エージェントハーネス
- Abstract要約: 本稿では,CDES(Certificate-Driven Evolutionary Search)を提案する。
CDESは、互換性のある編集を保ちながら、拒絶、バックトラック、ターゲットの修復を通じてこれらの制限を強制する。
生成した実装は、データ変換や転送を含むCPUコードの13.78xと23.54xの関数レベルの高速化を実現している。
- 参考スコア（独自算出の注目度）: 7.9848989794699
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The upgrade and rewriting of large scientific codebases has traditionally been a major challenge. While evolutionary search with large language models (LLMs) can port and accelerate legacy code, repair feedback in prompts alone does not prevent subsequent candidates from repeating the same errors. We introduce Certificate-Driven Evolutionary Search (CDES), which extends evolutionary search with enforceable restrictions derived from failed candidates, recorded as certificates of assumptions, checker evidence, and justified restrictions. Its control logic enforces these restrictions through rejection, backtracking, and targeted repair while preserving compatible edits. We apply CDES to CPU-to-GPU translation of two particle-simulation functions from the Geant4 toolkit, evaluated with a harness that goes beyond unit tests to combine formal checks, numerical comparisons, physics checks, and GPU safety tests. Generated implementations achieve 13.78x and 23.54x function-level speedups over CPU code, including data conversion and transfers; for one function, GPU throughput exceeds an expert implementation by 14.9%, reaching 16.1% when complementary components are combined. In an ablation over execution settings, certificate feedback increases the fraction of candidates passing required correctness checks from 55% to 90%.
- Abstract（参考訳）: 大規模な科学コードベースのアップグレードと書き換えは、伝統的に大きな課題であった。
大きな言語モデル(LLM)による進化的検索はレガシーコードの移植と高速化が可能であるが、プロンプトだけでフィードバックを修復することは、その後の候補が同じエラーを繰り返すのを防ぐことはできない。
本稿では,証明駆動進化探索(CDES, Certificate-Driven Evolutionary Search)について紹介する。
その制御ロジックは、互換性のある編集を保ちながら、リジェクション、バックトラック、ターゲットの修復を通じてこれらの制限を強制する。
Geant4ツールキットからの2つの粒子シミュレーション関数のCPUからGPUへの変換にCDESを適用し、形式チェック、数値比較、物理チェック、GPU安全性テストを組み合わせた単体テスト以上のハーネスで評価する。
生成した実装は、データ変換や転送を含むCPUコード上で13.78xと23.54xの関数レベルのスピードアップを実現している。
実行設定に対するアブレーションでは、証明書のフィードバックにより、必要な正当性チェックをパスする候補者の比率が55%から90%に増加する。
関連論文リスト
- Goal-Persistent Coding Agents as Scientific Performance Engineers: A Fixed-Radius Nearest-Neighbor Case Study [0.0]
符号化エージェントは、多くのツール使用ターンで永続的な目的を追求することができるが、汎用エージェントが厳密な科学的パフォーマンスエンジニアリングを行うことができるという証拠は依然として限られている。
既製のCodexとClaude Codeのエージェントが最寄りの粒子追跡を最適化するリポジトリスケールケーススタディを提案する。
論文 参考訳（メタデータ） (2026-09-25T20:32:33Z) - RRSI: Regularized Recursive Self-Improvement of Agent Harnesses [76.77275934611428]
正規化再帰的自己改善型エージェント・ハーネス(RRSI)
本稿では、正規化の原則を取り入れたRRSIを紹介し、進化候補の提案と選択を制約することで自己改善を活用する。
RRSIは5つのアウト・オブ・ディストリビューション・ベンチマークで14.1ポイント、最大4.7ポイントを獲得し、非正規化進化よりも30%少ないポリシートークンで動作するハーネスを生産している。
論文 参考訳（メタデータ） (2026-09-21T17:54:49Z) - Bad Genius: Counterfactual-Guided Harness Evolution Beyond Task-Specific Shortcuts [4.3073010448091695]
本稿では,有効な反現実的ベンチマークに対する制約生成として,Hergent Evolutionを活用可能なCASE(Courerfactual Harness Search and Evolution)を提案する。
我々はCHASEをSyn-LedgerおよびOfficeQA上で評価し、CHASEは強力なリリースベンチマークゲインを維持しつつ、有効なプロトコル変換の下でのゲイン破壊を大幅に低減する。
論文 参考訳（メタデータ） (2026-09-16T09:21:33Z) - SWE-Test: Benchmarking LLM Vulnerability Discovery via Input Prediction [13.719725391379276]
脆弱性発見は、大規模言語モデル(LLM)エージェントの重要な機能である。
我々は、その測定を、クローズドな決定論的基底真理を持つ入力予測タスクとして再放送する。
これにより、発見は15ドメインにまたがる22の現実世界のC/C++プログラムで3つのタスクモードに分解される。
論文 参考訳（メタデータ） (2026-09-05T19:04:41Z) - TTHE: Test-Time Harness Evolution [50.26245555541721]
既存のアプローチでは、デプロイ前、トレーニング前、あるいはテスト時に凍結される固定されたエージェントワークフローの開発データを最適化する。
我々は、エージェントがテスト入力で生成するラベルのない実行トレースのみを使用して、評価自体にハーネスを最適化できるかどうかを問う。
評価中、TTHEは候補ハーネスの人口を維持し、それらの実行トレースの理由をエージェントプロジェクタを通じてそれらを洗練する。
その後、審査員は実行元プロキシ信号から改善されたハーネスをコミットし、選択したプログラムは継続してその後の入力を統治する。
論文 参考訳（メタデータ） (2026-07-09T05:53:39Z) - Latent Programming Horizons in Coding Agents [6.8463578914435645]
ソフトウェアエンジニアリングタスクを解決するコーディングエージェントは、コードの推論、編集、テストの実行に数十ステップを費やしている。
符号化エージェントによる言語モデルの残余ストリームは、進化するプログラムの特性を線形にエンコードすることを示す。
将来の編集結果を予測するために訓練されたプローブは、パフォーマンスを最大25ステップまで向上させる。
論文 参考訳（メタデータ） (2026-07-06T15:08:26Z) - SlopCodeBench: Benchmarking How Coding Agents Degrade Over Long-Horizon Iterative Tasks [55.76734816061826]
我々は20の問題と93のチェックポイントからなる言語に依存しないベンチマークであるSlopCodeBenchを紹介する。
我々は、冗長性、重複コードの割合、構造的侵食という2つの軌道レベルの品質信号を追跡する。
11モデルにまたがるエンドツーエンドの問題を解決するエージェントは存在しない。
論文 参考訳（メタデータ） (2026-03-25T19:26:44Z) - 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) - CVeDRL: An Efficient Code Verifier via Difficulty-aware Reinforcement Learning [57.24524263804788]
コード検証は、LLMベースのコード生成の検証後において重要な役割を果たす。
既存の教師付き微調整手法は、データの不足、高い失敗率、推論効率の低下に悩まされている。
機能的な報酬しか持たない単純RLは、難しいブランチやサンプルに対して効果的な単体テストを生成することができないことを示す。
論文 参考訳（メタデータ） (2026-01-30T10:33:29Z)
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。