論文の概要: Large-scale Repository Engineering via Agent-Native Reusable Code Primitives

• arxiv url: http://arxiv.org/abs/2610.09079v1
• Date: Tue, 06 Oct 2026 20:20:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.597514
• Title: Large-scale Repository Engineering via Agent-Native Reusable Code Primitives
• Title（参考訳）: エージェントNative Reusable Code Primitivesによる大規模リポジトリエンジニアリング
• Abstract要約: 開発環境を備えた大規模言語モデルは、コード生成をリポジトリスケールの構築へと移行した。 Code Primitivesは、インターフェイスコントラクト、依存性のクロージャ、バリデーションテスト、証明を備えた、エージェントネイティブで再利用可能なコンポーネントです。 我々は,リポジトリ構築のための検索可能なライブラリであるCodeFaceに,検証済みプリミティブ1,424を編成する。
• 参考スコア（独自算出の注目度）: 26.27948077165739
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large language models equipped with development environments have moved code generation toward repository-scale construction, yet building complete repositories remains difficult because interacting modules, interfaces, configurations, tests, and dependencies must work together. We introduce Code Primitives, agent-native reusable executable components with interface contracts, dependency closures, validation tests, and provenance. Each primitive uses a resident LLM to assess relevance and adapt its implementation, interfaces, and dependencies to the target repository, and we organize 1,424 validated primitives in CodeFace, a searchable library for repository construction. We introduce LEGO (Large-scale repository Engineering via aGent-native reusable cOde primitives), which activates task-relevant primitives, integrates their adapted implementations with task-specific code while resolving cross-component constraints, and revises the result against executed tests. To measure construction end to end, we build LEGO-REPO, a benchmark of 522 executable reconstruction tasks spanning seven software domains, 22 capability tracks, and five difficulty levels, scored against native test suites between an empty-package floor and original-source ceiling. The strongest of 13 evaluated backbones reaches a delivery score of 0.318 and scores zero on 41.0% of tasks; LEGO improves all 13 by 0.1474 on average and raises GPT-5.6-terra from 0.3180 to 0.5134 (+61.4%). In controlled comparisons, adapted primitives outperform retrieved code supplied as context or vendored unchanged. The effect persists against independent repository agents, across three external benchmarks, and with a disjointly re-mined CodeFace; GPT-OSS-20B for adaptation and diagnosis retains 95.1% of the homogeneous score at 24.0% lower cost.
• Abstract（参考訳）: 開発環境を備えた大規模言語モデルは、コード生成をリポジトリ規模の構築へと移行しているが、モジュール、インターフェース、設定、テスト、依存関係の相互運用が不可欠であるため、完全なリポジトリの構築は難しいままである。 Code Primitivesは、インターフェイスコントラクト、依存性のクロージャ、バリデーションテスト、証明を備えた、エージェントネイティブで再利用可能なコンポーネントです。 各プリミティブは、その実装、インターフェース、およびターゲットリポジトリへの依存性を評価するために、常駐のLCMを使用し、リポジトリ構築のための検索可能なライブラリであるCodeFaceに1,424個の検証済みプリミティブを編成する。 LEGO (Large-scale repository Engineering via aGent-native reusable cOde primitives)を導入し、タスク関連プリミティブを起動し、タスク固有のコードに適合した実装を統合しながら、クロスコンポーネント制約を解決し、実行中のテストに対して結果を修正します。 LEGO-REPOは、7つのソフトウェアドメイン、22の機能トラック、および5つの困難レベルにまたがる522の実行可能な再構築タスクのベンチマークで、空のパッケージフロアとオリジナルソースの天井の間のネイティブテストスイートに対してスコア付けします。 13個のうち最強のバックボーンは0.318点に達し、41.0%のタスクで0点、LEGOは平均で13点を0.1474点改善し、GPT-5.6テラを0.3180点から0.5134点(+61.4%)に引き上げている。 制御された比較では、適応プリミティブは、コンテクストとして提供されたコードやベンダーが変更しないコードよりも優れていた。 この効果は、3つの外部ベンチマークにまたがって独立したリポジトリエージェントに対して持続し、CodeFaceは不連続にリメイクされ、適応と診断のためのGPT-OSS-20Bは、同種スコアの95.1%を24.0%のコストで保持する。

関連論文リスト

• CodeMidas: Scaling Agentic Coding RL Environments from Code Itself [55.204742661138745]
  強化学習(RL)による有能な符号化エージェントの訓練には、信頼性のある検証器による多様なタスクが必要である。 オープンソースはそのようなタスクの豊富なソースを提供するが、既存のメソッドは通常、問題やコミットのような開発成果物に依存している。 我々は,既存の実装機能を,ソースコードを唯一のタスク固有の入力として使用して実行可能なRL環境に変換するエージェントパイプラインであるCodeMidasを紹介する。
  論文  参考訳（メタデータ） (2026-09-18T17:55:17Z)
• LEGO-RL: Harness-Native Reinforcement Learning for Coding Agents [56.902747731541695]
  LEGO-RLは、ネイティブコーディングエージェントハーネスをスケーラブルなポリシ-グラディエント最適化でブリッジするフレームワークです。 我々は、3つのネイティブコーディングエージェントハーネスにまたがるGSPOを用いて、疎いMoEモデルQwen3.5-35B-A3BをトレーニングすることでLEGO-RLを評価する。
  論文  参考訳（メタデータ） (2026-08-18T05:34:35Z)
• SCDBench: A Benchmark for LLM-Based Smart Contract Decompilers [55.39407031861402]
  本稿では,スマートコントラクトデコンパイルのためのデータセットとベンチマーク手法であるSCDBenchを紹介する。 データセットには600の現実のSolidityコントラクトと、ペア化されたバイトコード入力、地味なソースコード、再生可能なセマンティックチェックポイントが含まれている。 我々は,GLM-5の変種を含むゼロショット逆コンパイル設定において,Claude Opus 4.7,GPT-5.3-Codex,GLM-5を評価した。
  論文  参考訳（メタデータ） (2026-05-27T20:08:47Z)
• Orchard: An Open-Source Agentic Modeling Framework [124.68499958175111]
  スケーラブルなエージェントモデリングのためのオープンソースのフレームワークOrchardを紹介します。 Orchard Envは、サンドボックスライフサイクル管理のための再利用可能なプリミティブを提供する軽量環境サービスである。 Orchard Envの上に、3つのエージェントモデリングレシピを構築します。
  論文  参考訳（メタデータ） (2026-05-14T16:35:12Z)
• RepoMod-Bench: A Benchmark for Code Repository Modernization via Implementation-Agnostic Testing [1.4069797812477614]
  本稿では,実装に依存しない評価パラダイムに基づく,リポジトリレベルのコードモダナイゼーションのためのベンチマークフレームワークを紹介する。 RepoMod-Benchは8つの言語にまたがる、標準化されたインターフェースを備えた21の現実世界リポジトリのベンチマークである。 ベンチマークには1.6万行のコード(LOC)と11,616のテストが含まれており、リポジトリのサイズは14～211KLOCである。
  論文  参考訳（メタデータ） (2026-02-26T01:25:00Z)
• RepoGenesis: Benchmarking End-to-End Microservice Generation from Readme to Repository [52.98970048197381]
  RepoGenesisは、リポジトリレベルのエンドツーエンドWebマイクロサービス生成のための、最初の多言語ベンチマークである。 18のドメインと11のフレームワークに106のリポジトリ(60のPython、46のJava)があり、1,258のAPIエンドポイントと2,335のテストケースが検証されている。 その結果、高いAC(最大73.91%)とDSR(最大100%)にもかかわらず、最高のパフォーマンスのシステムはPythonで23.67%のPass@1、Javaで21.45%しか達成していないことが明らかになった。
  論文  参考訳（メタデータ） (2026-01-20T13:19:20Z)
• Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning [53.45095336430027]
  暗黙的な検索と構造化された協調を組み合わせた統合フレームワークを開発する。 Humanity's Last Exam (HLE) Bio/Chem Goldでは,48.3%の精度を実現している。 SuperGPQAとTRQAの結果はドメイン間の堅牢性を確認した。
  論文  参考訳（メタデータ） (2025-09-25T14:05:55Z)
• Towards Source Mapping for Zero-Knowledge Smart Contracts: Design and Preliminary Evaluation [9.952399779710044]
  本稿では,zkSolcコンパイルパイプライン内のSolidityソースコード,LLVM IR,zkEVMバイトコード間のトレーサビリティを確立するためのソースマッピングフレームワークを提案する。 我々は,50のベンチマークコントラクトと500の現実世界のzkSyncコントラクトのデータセット上でフレームワークを評価し,標準のSolidity構造に対して約97.2%のマッピング精度を観測した。
  論文  参考訳（メタデータ） (2025-04-06T01:42:07Z)

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。