論文の概要: CodeForge-MA: Execution-Verified Multi-Agent Learning with Language-Conditioned LoRA for Multilingual Code Generation
- arxiv url: http://arxiv.org/abs/2610.05481v1
- Date: Sun, 04 Oct 2026 19:40:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-10 13:34:29.202147
- Title: CodeForge-MA: Execution-Verified Multi-Agent Learning with Language-Conditioned LoRA for Multilingual Code Generation
- Title（参考訳）: CodeForge-MA:Language-Conditioned LoRAによる多言語コード生成のための実行検証型マルチエージェント学習
- Abstract要約: マルチエージェントデータフォージによるコード合成を改善する統合フレームワークであるCodeForge-MAを提案する。
Composer、Reviewer、Executor、Curatorの4つの特殊エージェント、命令コードペアを反復的に洗練し、テストで検証し、重複とベンチマークリークをフィルタする。
実験により、共同データ、客観的設計、アダプタ設計がプログラミング言語間で堅牢なゲインをもたらすことが示された。
- 参考スコア（独自算出の注目度）: 3.496920632865868
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large language models for code generation often fail on execution, multilingual coverage, and contamination control, especially under frozen backbone constraints. We present CodeForge-MA, a unified framework that improves code synthesis through a multi-agent data forge, execution verified reinforced instruction tuning, and a language conditioned mixture of LoRA adapters. Four specialized agents, Composer, Reviewer, Executor, and Curator, iteratively refine instruction code pairs, validate them with tests, and filter duplicates and benchmark leakage. During training, we combine masked supervised fine tuning with a test driven reinforcement objective to align generations with executable correctness. For the larger model, we use sparse expert routing over low rank adapters to improve cross language transfer while keeping the base model unchanged at inference. Experiments show that joint data, objective, and adapter design yields robust gains across programming languages.
- Abstract（参考訳）: コード生成のための大規模な言語モデルは、実行、多言語カバレッジ、汚染制御で失敗することが多い。
本稿では,マルチエージェントデータフォージによるコード合成を改善する統一フレームワークであるCodeForge-MAについて述べる。
Composer、Reviewer、Executor、Curatorの4つの特殊エージェント、命令コードペアを反復的に洗練し、テストで検証し、重複とベンチマークリークをフィルタする。
トレーニング中、マスク付き教師付き微調整とテスト駆動強化目標を組み合わせて、世代を実行可能な正確さで整列させる。
より大規模なモデルでは、低ランクアダプタ上のスパースエキスパートルーティングを使用して、ベースモデルを推論時に変更することなく、クロス言語転送を改善する。
実験により、共同データ、客観的設計、アダプタ設計がプログラミング言語間で堅牢なゲインをもたらすことが示された。
関連論文リスト
- Beyond Language Barriers: Multi-Agent Coordination for Multi-Language Code Generation [8.896718697354187]
XL-CoGenは、複数のプログラミング言語で高品質なコードを生成する。
中間表現、コード生成、翻訳、自動修復を統合する。
論文 参考訳（メタデータ） (2025-09-24T09:18:08Z) - IFEvalCode: Controlled Code Generation [69.28317223249358]
本稿では,Code LLMの命令追従能力を改善するために,前方および後方制約生成を提案する。
IFEvalCodeは、7つのプログラミング言語の1.6Kテストサンプルからなる多言語ベンチマークである。
論文 参考訳（メタデータ） (2025-07-30T08:08:48Z) - The Struggles of LLMs in Cross-lingual Code Clone Detection [3.5202378300682162]
言語間のコードクローン検出は、ソフトウェアエンジニアリングコミュニティ内で注目を集めている。
機械学習の大幅な進歩にインスパイアされた本論文では、言語間コードクローン検出を再考する。
言語間コードクローンの識別のための5つの大言語モデル (LLM) と8つのプロンプト (08) の性能評価を行った。
論文 参考訳（メタデータ） (2024-08-08T12:57:14Z) - AdaCCD: Adaptive Semantic Contrasts Discovery Based Cross Lingual
Adaptation for Code Clone Detection [69.79627042058048]
AdaCCDは、その言語でアノテーションを使わずに、新しい言語のクローンコードを検出する新しい言語間適応手法である。
5つのプログラミング言語からなる多言語コードクローン検出ベンチマークを構築し,AdaCCDの言語間適応性を評価する。
論文 参考訳（メタデータ） (2023-11-13T12:20:48Z) - xCodeEval: A Large Scale Multilingual Multitask Benchmark for Code
Understanding, Generation, Translation and Retrieval [32.60391966381949]
我々はこれまでで最大のマルチ言語マルチタスクベンチマークであるxCodeEvalを紹介した。
コード理解、生成、翻訳、検索を含む合計7ドルのタスクが特徴だ。
xCodeEvalは実行ベースの評価を採用し、多言語コード実行エンジンであるExecEvalを提供する。
論文 参考訳（メタデータ） (2023-03-06T10:08:51Z) - Modeling Sequential Sentence Relation to Improve Cross-lingual Dense Retrieval [80.43859162884353]
マスク付き文モデル(MSM)と呼ばれる多言語多言語言語モデルを提案する。
MSMは、文表現を生成する文エンコーダと、文書から文ベクトルのシーケンスに適用される文書エンコーダとから構成される。
モデルをトレーニングするために,サンプル負の階層的コントラスト損失によって文ベクトルをマスクし,予測するマスク付き文予測タスクを提案する。
論文 参考訳（メタデータ） (2023-02-03T09:54:27Z) - Multi-lingual Evaluation of Code Generation Models [82.7357812992118]
本稿では,MBXPとMultilingual HumanEval,MathQA-Xという,評価コード生成モデルに関する新しいベンチマークを提案する。
これらのデータセットは10以上のプログラミング言語をカバーする。
コード生成モデルの性能を多言語で評価することができる。
論文 参考訳（メタデータ） (2022-10-26T17:17:06Z)
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。