論文の概要: A Systematic Study of Deprecated Android API Usage Updates
- arxiv url: http://arxiv.org/abs/2610.19150v1
- Date: Tue, 13 Oct 2026 20:15:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-15 21:06:15.785554
- Title: A Systematic Study of Deprecated Android API Usage Updates
- Title（参考訳）: Android APIの非推奨利用状況に関する体系的研究
- Abstract要約: 本稿では,非推奨のAndroid API,推奨の置き換え,開発者による実環境利用の更新について,系統的研究を行った。
GitHubから収集した1,000の非推奨APIと4,336の移行例の分析に基づいて、6つの移行カテゴリを特定し、繰り返し使用される更新パターンを導出する。
それらの適用性を評価するため、ゼロショット GUPPY ベンチマークをマイグレーションカテゴリとそれに対応する利用更新パターンで拡張する。
- 参考スコア（独自算出の注目度）: 5.025141243325576
- License: http://creativecommons.org/publicdomain/zero/1.0/
- Abstract: Android Application Programming Interfaces (APIs) continuously evolve, causing existing APIs to become deprecated and requiring developers to migrate their usages to recommended replacements. Although prior studies have proposed automated migration techniques, their effectiveness is often limited by the diversity and contextual complexity of API changes. This paper presents a systematic study of deprecated Android APIs, their recommended replacements, and real-world usage updates performed by developers. Based on an analysis of 1,000 deprecated APIs and 4,336 migration examples collected from GitHub, we identify six migration categories and derive recurring usage-update patterns involving Android-version checks, parameter adaptation, object initialization, data-type conversion, and changes in API interaction mechanisms. To assess their applicability, we augment the zero-shot GUPPY benchmark prompts with the migration category and corresponding usage-update pattern. On 156 benchmark tasks, the pattern-guided prompt improves correct updates from 139 to 147 and performs better in five of the six categories.
- Abstract（参考訳）: Androidアプリケーションプログラミングインタフェース(API)は継続的に進化し、既存のAPIが非推奨になり、開発者が推奨の代替に利用を移行する必要がある。
以前の研究では、自動マイグレーション技術が提案されていたが、API変更の多様性とコンテキスト上の複雑さによって、その効果は制限されることが多い。
本稿では,非推奨のAndroid API,推奨の置き換え,開発者による実環境利用の更新について,系統的研究を行った。
GitHubから収集された1,000の非推奨APIと4,336の移行サンプルの分析に基づいて、6つの移行カテゴリを特定し、Androidバージョンチェック、パラメータ適応、オブジェクトの初期化、データ型変換、APIインタラクションメカニズムの変更を含む、繰り返し使用される更新パターンを導出します。
それらの適用性を評価するため、ゼロショット GUPPY ベンチマークをマイグレーションカテゴリとそれに対応する利用更新パターンで拡張する。
156のベンチマークタスクでは、パターン誘導プロンプトが139から147に修正され、6つのカテゴリのうち5つで改善されている。
関連論文リスト
- Evolution of Deprecated APIs and Their Replacements in Python Libraries [0.8594140167290097]
APIの非推奨は、ライブラリの進化において一般的だが、移行には代替品の発見と呼び出しの適応が必要である。
本稿では,置換局所性,パラメータ-インタフェースの違い,バージョン間の置換ランキングの変化,非推奨のライフサイクルについて検討する。
論文 参考訳（メタデータ） (2026-09-26T13:39:39Z) - What Was Once Learned May Need to Be Unlearned: Machine Unlearning for Deprecated API Knowledge in Large Language Models [9.220912359762261]
コード補完のための大規模言語モデル(LLM)は、トレーニング前のコーパスが歴史的なライブラリバージョンのコードを含んでいるため、非推奨のAPIを生成する可能性がある。
既存のアプローチでは、推論時間の介入、モデル編集、あるいはマシンアンラーニングが使用されているが、複数の妥当な完了によって、事前定義された置換が制限される。
我々は、非推奨のAPI知識に対する機械学習の体系的な実証的研究を行い、7000以上のモデル固有のインスタンスを持つ行動グラウンドベンチマークであるMUDAPIBenchを構築した。
論文 参考訳（メタデータ） (2026-09-22T07:20:16Z) - Bridge: Automatically Mining Ecosystem-Scale API Update Mappings and Client Update Instances [13.886877756519516]
APIアップデートマッピングは、自動ライブラリ更新技術の開発と評価に不可欠である。
私たちは、エコシステムスケールのライブラリ更新データセットを自動構築するクライアント駆動フレームワークであるBridgeを紹介します。
Bridgeは、それぞれ2,557ライブラリと999ライブラリにわたる18,900と4,456のAPIアップデートマッピングを表す、381,661 Javaと277,259 Pythonクライアントアップデートインスタンスをマイニングする。
論文 参考訳（メタデータ） (2026-08-31T09:28:08Z) - Towards Knowledge Alignment in Code LLMs: Contrastive Unlearning for Evolving APIs [1.4228421209315671]
CUREは、未学習を純粋に時代遅れの知識を抑圧することから、適切なAPI置換を明示的に推奨することに移行する、対照的な未学習のアプローチである。
実験によると、CUREは非推奨のAPIの使用を減らすだけでなく、一般的なコード生成性能を維持しながら、適切なAPI置換を改善する。
論文 参考訳（メタデータ） (2026-06-29T18:34:55Z) - MigGPT: Harnessing Large Language Models for Automated Migration of Out-of-Tree Linux Kernel Patches Across Versions [53.811953357289866]
大規模言語モデル(LLM)は、様々な領域で顕著な進歩を示している。
LLMは不完全なコードコンテキスト理解と不正確なマイグレーションポイント識別に苦労する。
MigGPTは、コードスニペット情報を保持するために新しいコード指紋構造を使用するフレームワークである。
論文 参考訳（メタデータ） (2025-04-13T08:08:37Z) - ExploraCoder: Advancing code generation for multiple unseen APIs via planning and chained exploration [70.26807758443675]
ExploraCoderはトレーニング不要のフレームワークで、大規模な言語モデルにコードソリューションで見えないAPIを呼び出す権限を与える。
実験の結果、ExploreaCoderは、事前のAPI知識に欠けるモデルのパフォーマンスを大幅に改善することが示された。
論文 参考訳（メタデータ） (2024-12-06T19:00:15Z) - Automated Update of Android Deprecated API Usages with Large Language Models [8.507162624206956]
本稿では,大規模言語モデル(LLM)を用いてAndroid APIを更新する自動アプローチであるGUPPYを紹介する。
GUPPYは、非推奨のAPI使用率を更新し、旧APIレベルと新APIレベルの互換性を確保するために、最も強力なLCMの1つであるGPT-4を使用している。
最新のAPIレベル33,34から,20の非推奨APIから,さらに156の非推奨APIから,360度ベンチマークAPIを使用した評価を行った結果,GUPPYの最先端技術に対するメリットが示された。
論文 参考訳（メタデータ） (2024-11-07T03:01:50Z) - A Systematic Evaluation of Large Code Models in API Suggestion: When, Which, and How [53.65636914757381]
API提案は、現代のソフトウェア開発において重要なタスクである。
大規模コードモデル(LCM)の最近の進歩は、API提案タスクにおいて有望であることを示している。
論文 参考訳（メタデータ） (2024-09-20T03:12:35Z) - Language Modeling with Editable External Knowledge [90.7714362827356]
本稿では,新たな文書取得時のモデル動作を改善するERASEを提案する。
ドキュメントを追加するたびに、知識ベースで他のエントリを段階的に削除または書き直します。
7-13%(Mixtral-8x7B)と6-10%(Llama-3-8B)の精度を向上する。
論文 参考訳（メタデータ） (2024-06-17T17:59:35Z) - Evaluating Embedding APIs for Information Retrieval [51.24236853841468]
ドメインの一般化と多言語検索における既存のセマンティック埋め込みAPIの機能を評価する。
BM25の結果をAPIを使って再ランク付けすることは、予算に優しいアプローチであり、英語でもっとも効果的である。
非英語検索では、再ランク付けは結果を改善するが、BM25のハイブリッドモデルは高いコストで機能する。
論文 参考訳（メタデータ） (2023-05-10T16:40:52Z)
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。