論文の概要: The Code of Theseus: Can Agents Rebuild Software from Recovered Design Documents?
- arxiv url: http://arxiv.org/abs/2610.20068v2
- Date: Thu, 15 Oct 2026 13:26:27 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-17 06:09:33.006419
- Title: The Code of Theseus: Can Agents Rebuild Software from Recovered Design Documents?
- Title（参考訳）: The Code of Theseus: エージェントは再発見された設計文書からソフトウェアを再構築できるか?
- Abstract要約: 我々は、Java、Python、C/C++、C#リポジトリから整列した利害関係者の意図、要求、アーキテクチャを回復するフレームワークを提案する。
コーディングエージェントは意図だけで29のCommit0ライブラリを再構築します。
- 参考スコア（独自算出の注目度）: 3.419186492446953
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: LLM agents increasingly design a system before implementing it, yet the data to train and evaluate them centres on implementation and testing: requirements and design artefacts are often missing, outdated or private. Source code, in contrast, is abundant. Prior work recovers architecture documentation by feeding LLMs the source code or letting agents explore it, which saturates the context, does not scale to many repositories, and yields a single artefact rather than aligned ones. We present a framework that recovers aligned stakeholder intent, requirements and architecture from a compact repository representation, a static dependency graph and key contextual files, and release the artefacts of 10,764 Java, Python, C/C++ and C# repositories as a dataset. An LLM judge rates the artefacts of three generators as clear and internally consistent, but less reliably correct and at the right level of abstraction. To test whether the artefacts carry the design, we pose a software Ship of Theseus: a coding agent rebuilds 29 Commit0 libraries from the intent alone or with the recovered requirements and architecture, given only an interface contract and part of the tests. The artefacts do not significantly change the held-out pass rate (33.7% vs. 35.8%), but bring the rebuilt module structure significantly closer to the original (module F1 from 0.54 to 0.63), with either generator and even with concise artefacts. Recovered artefacts thus convey design that tests do not capture, offering a scalable source of design-level data for agents that design before they implement, and the round trip measures this without human references.
- Abstract（参考訳）: LLMエージェントは実装前にシステムを設計する傾向にあるが、それをトレーニングし評価するデータは実装とテストに集中している。
対照的にソースコードは豊富です。
以前の作業では、LLMにソースコードを送付したり、コンテキストを飽和させ、多くのリポジトリにスケールしないエージェントを探索させたりすることで、アーキテクチャのドキュメントを復元する。
我々は,コンパクトなリポジトリ表現,静的依存グラフ,キーコンテキストファイルから整列したステークホルダの意図,要件,アーキテクチャを復元し,データセットとして10,764のJava,Python,C/C++,C#リポジトリのアーティファクトをリリースするフレームワークを提案する。
LLM判事は、3つのジェネレータのアーチファクトを明確で内部的に一貫性があるが、信頼性は低く、適切な抽象化レベルで評価する。
コーディングエージェントは意図のみから29のCommit0ライブラリを再構築し、インターフェースのコントラクトとテストの一部のみを与えられた要求とアーキテクチャを復元します。
アーティファクトは保持されるパスレート(33.7%対35.8%)を大きく変えないが、再建されたモジュール構造を元のモジュール(モジュールF1は0.54から0.63まで)にかなり近いものにし、ジェネレータも簡潔なアーティファクトも備えている。
これにより、回収された成果物は、テストがキャプチャされない設計を伝え、実装前に設計するエージェントに対して、スケーラブルな設計レベルのデータソースを提供する。
関連論文リスト
- A-SAW: The Agentic Software Architecture Workflow [3.7702547956416996]
Agentic Software Architecture (A-SAW)は、Processic as Codeを永続的なエージェント層で拡張するプロセスレベルのアーティファクトである。
すべてのドラフトは、承認される前に必須のヒューマンレビューゲートをパスします。
論文 参考訳（メタデータ） (2026-10-09T14:25:24Z) - Evaluating Local Language Model Agents for Reproducible Data Engineering: An Empirical Software Engineering Study of Mobility Workflows [74.39138492851343]
大規模言語モデル(LLM)エージェントは、ソフトウェアやデータエンジニアリングアシスタントとしてますます使われている。
ローカルオープンウェイトエージェントが正しい再現可能なデータエンジニアリングアーティファクトを作成できるかどうかを評価する。
論文 参考訳（メタデータ） (2026-10-08T08:26:46Z) - Recovering Software Architecture Intent from Historical Work Items using Generative AI: A Mixed-Methods Industry Case Study [2.5501791028999583]
LLMベースのパイプラインを使用して、歴史的なアジャイル作業項目からC4アーキテクチャ図を復元する。
半自動5ステップワークフローでは、プロンプトチェーン、双方向トレーサビリティ、チェーン・オブ・ソート推論が採用されている。
提案したワークフローは,開発プロセスの成果物に基づくLLM支援アーキテクチャ回復の実現可能性を示すものである。
論文 参考訳（メタデータ） (2026-08-28T14:56:00Z) - 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) - Articraft: An Agentic System for Scalable Articulated 3D Asset Generation [79.1741181153232]
明瞭な3Dオブジェクトを理解するための学習のボトルネックは、大規模で多様なデータセットの欠如である。
我々は,大規模言語モデル(LLM)を活用して,大規模に音響資産を生成することを提案する。
そして、このようなプログラムを自動で作成する新しいエージェントシステムArticraftを導入する。
論文 参考訳（メタデータ） (2026-05-14T17:59:18Z) - Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。
本稿では,再構築による理解という,新しいパラダイムを提案する。
マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T09:23:20Z) - ArtifactLens: Hundreds of Labels Are Enough for Artifact Detection with VLMs [43.85474845650244]
ArtifactLensは、5つの人間のアーティファクトベンチマークで最先端を達成する。
事前訓練されたVLMは、すでにアーティファクトを検出するのに必要な知識をコード化している。
本手法は他のアーティファクトタイプ – 対象形態学,動物解剖学,実体的相互作用 – に一般化する。
論文 参考訳（メタデータ） (2026-02-10T07:16:22Z) - ArchAgent: Scalable Legacy Software Architecture Recovery with LLMs [44.137226823695066]
ArchAgentはスケーラブルなエージェントベースのフレームワークで、静的解析、適応コードセグメンテーション、LLMによる合成を組み合わせている。
クロスリポジトリから、マルチビューでビジネスに整合したアーキテクチャを再構築する。
ArchAgentは、コンテキストプルーニングによるスケーラブルなダイアグラム生成を導入し、クロスリポジトリデータを統合して、ビジネスクリティカルなモジュールを識別する。
論文 参考訳（メタデータ） (2026-01-19T12:39:05Z) - Towards Realistic Project-Level Code Generation via Multi-Agent Collaboration and Semantic Architecture Modeling [7.753074942497876]
CodeProjectEvalは、12.7ファイルと2,388.6行のタスクを持つ18の現実世界リポジトリから構築されたプロジェクトレベルのコード生成データセットである。
プロジェクトをアーキテクチャ設計、スケルトン生成、コードフィリングステージに分解するマルチエージェントフレームワークであるProjectGenを提案する。
実験によると、ProjectGenは、52/124のテストケースを小さなプロジェクトレベルのコード生成データセットDevBenchに渡すことで、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-11-05T12:12:35Z) - 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)
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。