論文の概要: Deleting Code Without Losing Knowledge: Regenerative Software for Python Libraries

• arxiv url: http://arxiv.org/abs/2610.17197v1
• Date: Mon, 12 Oct 2026 17:57:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-15 21:06:15.43396
• Title: Deleting Code Without Losing Knowledge: Regenerative Software for Python Libraries
• Title（参考訳）: 知識を失うことなくコードを削除する - Pythonライブラリの再生ソフトウェア
• Abstract要約: Fowler氏は7つのプリミティブのセットを提唱した。 本稿では,Fowler のプリミティブを安全クリティカルな予測ライブラリ Spoforecast2-safe に適用する。
• 参考スコア（独自算出の注目度）: 0.304585143845864
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In the age of "Software 3.0", when a complete program can be rewritten in minutes by an agent, the traditional approach of relying on code as the sole source of truth becomes questionable. Fowler advocated for a set of seven primitives, which lay the framework for regenerative software, so that programs can be deleted and rebuilt without losing their knowledge. The knowledge lives in machine-readable records in a tracked directory, from which a *regeneration bundle* is built for each unit. The regeneration bundle is a single file with the module's architecture, intent, decisions, public contract, evaluations, and consumers, but no implementation, plus the one dependency module it may import. The open-source package spotregen implements these primitives and provides a graphical user interface. This report presents a first application of Fowler's primitives to the safety-critical forecasting library spotforecast2-safe. During the first experiments, the Claude Code session that orchestrated the study consumed more than 43 million tokens, almost all of them its own history re-sent with every request. This motivated the switch to an architecture that is built on local models. Deterministic checks and the maintainer judged the results. The report contains executable examples for every primitive. Each example runs spotregen against the repository or against a throw-away copy of it.
• Abstract（参考訳）: ソフトウェア 3.0"の時代になると、エージェントによって完全なプログラムを数分で書き直せるようになった。 ファウラーは、7つのプリミティブのセットを提唱した。これは再生ソフトウェアのためのフレームワークであり、プログラムをその知識を失うことなく削除し、再構築することができる。 知識は追跡されたディレクトリ内の機械可読レコードに格納され、そこから各ユニットに*再生バンドル*が構築される。 再生成バンドルは、モジュールのアーキテクチャ、インテント、決定、パブリックコントラクト、評価、コンシューマを備えた単一のファイルだが、実装はなく、インポート可能な依存性モジュールが1つある。 オープンソースのパッケージSpotregenはこれらのプリミティブを実装し、グラフィカルなユーザインターフェースを提供する。 本稿では,Fowler のプリミティブを安全クリティカルな予測ライブラリ Spoforecast2-safe に適用する。 最初の実験で、研究を組織したClaude Codeセッションは4300万以上のトークンを消費した。 これは、ローカルモデル上に構築されたアーキテクチャに切り替える動機となった。 決定論的チェックとメンテナが結果を判断しました。 レポートにはすべてのプリミティブの実行可能な例が含まれている。 それぞれの例は、リポジトリや捨てられたコピーに対してスポットレジェンを実行する。

関連論文リスト

• Beyond Repository Boundaries: Cross-Repository Graph Retrieval for Code Generation [15.95046921483187]
  CrossCoderはクロスリポジトリのコード生成フレームワークで、外部ライブラリを検索コンテキストに明示的に組み込む。 CrossCoderは機能的正確性(pass@1で最大6.3%)と依存性の変換に対する堅牢性の両方を一貫して改善している。
  論文  参考訳（メタデータ） (2026-09-09T10:14:14Z)
• Rebuild Dossier: Mechanically-Enforced Specs for Agentic App Rebuilds, and What Model-Tier Failures Reveal [0.0]
  restruct-dossierは、コードを記述する前にアプリケーションの実際のインターフェースをロックするオープンソースツールである。 自動チェックによるワンテスト・アズ・ア・タイムのビルドを強制する。
  論文  参考訳（メタデータ） (2026-08-22T01:26:56Z)
• PairCoder++: Pair Programming as a Universal Paradigm for Verified Code-Driven Multimodal and Structured-Artifact Generation [51.92442051257354]
  PairCoderは、実行のみではなく、完全な公式メトリックスイート上で、アーティファクトが検証可能なすべてのベンチマークを本質的に改善する。 TikZのコンパイルレートは、各モデルで10から30ポイント、シングルモデルの2.9から9.2倍である。
  論文  参考訳（メタデータ） (2026-07-02T08:36:02Z)
• Commit0: Library Generation from Scratch [77.38414688148006]
  Commit0は、AIエージェントにスクラッチからライブラリを書くよう促すベンチマークである。 エージェントには、ライブラリのAPIを概説する仕様文書と、インタラクティブなユニットテストスイートが提供されている。 Commit0はまた、モデルが生成したコードに対して静的解析と実行フィードバックを受け取る、インタラクティブな環境も提供する。
  論文  参考訳（メタデータ） (2024-12-02T18:11:30Z)
• ReGAL: Refactoring Programs to Discover Generalizable Abstractions [59.05769810380928]
  Generalizable Abstraction Learning (ReGAL)は、再利用可能な関数のライブラリをコード化して学習する手法である。 ReGALによって発見された共有関数ライブラリは、プログラムが様々な領域で容易に予測できることを示している。 CodeLlama-13Bでは、ReGALはLOGOで11.5%、日付理解で26.1%、TextCraftで8.1%という絶対精度が向上し、3つのドメインのうち2つでGPT-3.5を上回った。
  論文  参考訳（メタデータ） (2024-01-29T18:45:30Z)
• Private-Library-Oriented Code Generation with Large Language Models [52.73999698194344]
  本稿では,大規模言語モデル(LLM)をプライベートライブラリのコード生成に活用することに焦点を当てる。 プログラマがプライベートコードを書く過程をエミュレートする新しいフレームワークを提案する。 TorchDataEval、TorchDataComplexEval、MonkeyEval、BeatNumEvalの4つのプライベートライブラリベンチマークを作成しました。
  論文  参考訳（メタデータ） (2023-07-28T07:43:13Z)
• RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation [96.75695811963242]
  RepoCoderはリポジトリレベルのコード補完プロセスを合理化するフレームワークである。 類似性ベースのレトリバーと、事前訓練されたコード言語モデルが組み込まれている。 バニラ検索で拡張されたコード補完アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2023-03-22T13:54:46Z)
• Neural Transition-based Parsing of Library Deprecations [3.6382354548339295]
  本稿では,オープンソースライブラリの非推奨API使用量を修正するためのコード更新の自動化に,そのリリースノートを分析して取り組む。 まず、WebクローラサービスがWebから非推奨のドキュメントを検索し、その後、特別に構築されたテキストがそれらのドキュメントを木構造表現に処理します。 提案手法の有効性を確認するため,7つの有名なPythonデータサイエンスライブラリから426のAPI非推奨を収集,ラベル付けし,そのアプローチが非自明なニューラルネットワーク翻訳ベースラインを決定的に上回ることを示した。
  論文  参考訳（メタデータ） (2022-12-23T20:48:33Z)
• Code Generation for Unknown Libraries via Reading API Documentations [10.122354606820416]
  未知のライブラリのコード生成を、追加のトレーニングなしで行うという課題について検討する。 自然言語の意図に基づいて,APIドキュメントから関連コードシグネチャを抽出できるモデルを実装した。
  論文  参考訳（メタデータ） (2022-02-16T00:36:33Z)

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。