論文の概要: Beyond Similarity-Based Generation: Guiding Commit Message Generation with Issue-Commit Traceability

• arxiv url: http://arxiv.org/abs/2610.25303v1
• Date: Sun, 18 Oct 2026 14:36:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-24 22:17:21.564269
• Title: Beyond Similarity-Based Generation: Guiding Commit Message Generation with Issue-Commit Traceability
• Title（参考訳）: 類似性に基づく生成を超えて:課題-コミットトレーサビリティを備えたコミットメッセージ生成を誘導する
• Abstract要約: コミットメッセージは、開発者がソフトウェアを理解し維持するのに役立つコード変更の記録を提供する。 それらを書くための手作業を減らすために、コミットメッセージ生成アプローチは、自然言語でコード変更を記述するコミットメッセージを自動的に生成する。 この制限は、現在のAI支援ソフトウェアエンジニアリングにおいて重要であり、コミットメッセージが共有情報として使用される。 本稿では,ソフトウェア工学の代表的活動である課題コミットトレーサビリティを用いて,コミットメッセージ生成のガイドを行うTraceを提案する。
• 参考スコア（独自算出の注目度）: 5.573236380187126
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Commit messages provide records of code changes and help developers understand and maintain software. To reduce the manual effort involved in writing them, commit message generation (CMG) approaches automatically generate commit messages that describe code changes in natural language. Existing CMG approaches generally treat CMG as a standalone task and optimize generated messages primarily for similarity to developer-written references. However, this objective may not properly reflect the practical usefulness of generated commit messages. This limitation matters in current AI-assisted software engineering workflows, where commit messages are used as shared information to serve different software engineering activities. To fill this gap, we propose TraceMsg, which uses issue-commit traceability, a representative software engineering activity, to guide commit message generation. TraceMsg is a collaborative multi-agent framework that coordinates message generation, traceability reasoning, and feedback-guided refinement, allowing generated messages to serve traceability while using reasoning feedback to guide issue-conditioned refinement. We evaluate TraceMsg on six open-source projects. The experimental results show that TraceMsg achieves an average Hit@1 of 0.893 and an MRR of 0.911, improving Hit@1 and MRR by 13.16% and 38.75%, respectively, over the best baseline for each metric.
• Abstract（参考訳）: コミットメッセージは、開発者がソフトウェアを理解し維持するのに役立つコード変更の記録を提供する。 それらを書くための手作業を減らすために、コミットメッセージ生成(CMG)アプローチは、自然言語でコード変更を記述するコミットメッセージを自動的に生成する。 既存のCMGアプローチは一般的に、CMGをスタンドアロンのタスクとして扱い、主に開発者記述の参照と似ているために生成されたメッセージを最適化する。 しかし、この目的は生成されたコミットメッセージの実用性を適切に反映していないかもしれない。 この制限は、コミットメッセージを共有情報として使用して、さまざまなソフトウェアエンジニアリング活動に役立てる、現在のAI支援ソフトウェアエンジニアリングワークフローにおいて重要である。 このギャップを埋めるために,ソフトウェア工学の代表的活動である課題コミットトレーサビリティを用いて,コミットメッセージ生成をガイドするTraceMsgを提案する。 TraceMsgは、メッセージ生成、トレーサビリティ推論、フィードバック誘導リファインメントをコーディネートする、協調的なマルチエージェントフレームワークである。 我々は6つのオープンソースプロジェクトでTraceMsgを評価した。 実験の結果、TraceMsg は平均 0.893 の Hit@1 と 0.911 の MRR を達成し、それぞれ 13.16% と 38.75% に改善した。

関連論文リスト

• Inference-Time Graph Engineering for Multi-Agent LLM Workflows [51.56038180639833]
  ReActNetは、クエリとロール特化エージェントのセットを一連の有向通信グラフにコンパイルする、トレーニング不要のフレームワークである。 ReActNetは、競争的推論コストを維持しつつ、固定トポロジと学習トポロジのベースラインを一貫して改善することを示す。
  論文  参考訳（メタデータ） (2026-09-04T23:32:11Z)
• Contextual Code Retrieval for Commit Message Generation: A Preliminary Study [18.46986692375691]
  コミットメッセージはコミットの主要なコード変更を記述し、ソフトウェアメンテナンスにおいて重要な役割を果たす。 既存のコミットメッセージ生成アプローチでは、コード差分を入力し、短い記述文を出力として生成する、直接マッピングとしてフレーム化するのが一般的である。 原コード差分は、高品質なコミットメッセージを生成するのに必要な完全なコンテキストをキャプチャできないため、コード差分のみに依存することは不十分である、と私たちは主張する。
  論文  参考訳（メタデータ） (2025-07-23T16:54:57Z)
• Large Language Models as Realistic Microservice Trace Generators [48.730974361862366]
  本稿では,大規模言語モデル (LLM) を用いて, 合成作業負荷トレースを生成する手法を提案する。 我々はTraceLLMが様々な条件下で多様なリアルなトレースを生成し、精度と妥当性の両方において既存のアプローチよりも優れていることを示す。 TraceLLMは、キートレース機能を予測したり、欠落したデータを埋め込むといった、下流のトレース関連タスクに適応する。
  論文  参考訳（メタデータ） (2024-12-16T12:48:04Z)
• Towards Realistic Evaluation of Commit Message Generation by Matching Online and Offline Settings [77.20838441870151]
  オンラインメトリック - VCSに生成されたメッセージをコミットする前にユーザが導入する編集回数 - を使用して、オフライン実験用のメトリクスを選択します。 我々は,GPT-4が生成したコミットメッセージと,人間の専門家が編集したコミットメッセージからなる57対のデータセットを収集した。 以上の結果から,編集距離が最も高い相関性を示すのに対し,BLEUやMETEORなどの類似度は低い相関性を示すことがわかった。
  論文  参考訳（メタデータ） (2024-10-15T20:32:07Z)
• COMET: Generating Commit Messages using Delta Graph Context Representation [2.5899040911480182]
  コミットメッセージはコミット中のコード変更を説明し、開発者間のコラボレーションを容易にする。 グラフベースの表現を用いて、コード変更のコンテキストをキャプチャする新しいアプローチであるCometを提案する。 テストによると、彗星は白ノルムと気象の指標で最先端の技術を上回っている。
  論文  参考訳（メタデータ） (2024-02-02T19:01:52Z)
• Using Large Language Models for Commit Message Generation: A Preliminary Study [5.5784148764236114]
  大規模言語モデル(LLM)はコミットメッセージを自動かつ効果的に生成するために使用することができる。 366サンプルの78%では, LLMが生成したコミットメッセージが人間によって最高のものと評価された。
  論文  参考訳（メタデータ） (2024-01-11T14:06:39Z)
• From Commit Message Generation to History-Aware Commit Message Completion [49.175498083165884]
  コミットメッセージ生成からコミットメッセージ補完に焦点を移すことができれば、結果のコミットメッセージの品質と個人的な性質を大幅に改善できる、と私たちは論じています。 既存のデータセットには履歴データがないため、20のプログラミング言語で107万のコミットを含むCommitChronicleと呼ばれる新しいデータセットを収集、共有しています。 以上の結果から,コミットメッセージ補完は生成よりも優れた結果を示し,一般的にはGPT-3.5-turboはより悪い性能を示すが,長大かつ詳細なメッセージの可能性を示唆している。
  論文  参考訳（メタデータ） (2023-08-15T09:10:49Z)
• Delving into Commit-Issue Correlation to Enhance Commit Message Generation Models [13.605167159285374]
  コミットメッセージ生成は、自動化されたソフトウェアエンジニアリングにおいて難しいタスクである。 ツールとは,コミットとイシューの相関関係をモデルのトレーニングフェーズに導入する,新たなパラダイムだ。 その結果,元モデルと比較して,ツール強化モデルの性能は大幅に向上した。
  論文  参考訳（メタデータ） (2023-07-31T20:35:00Z)

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。