論文の概要: Better Specifications, Better Code: Fine-Tuning LLMs for Behavioral Contract Generation

• arxiv url: http://arxiv.org/abs/2610.25616v1
• Date: Mon, 19 Oct 2026 00:44:11 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:41:44.410386
• Title: Better Specifications, Better Code: Fine-Tuning LLMs for Behavioral Contract Generation
• Title（参考訳）: より良い仕様、より良いコード:振舞い契約生成のための微調整LDM
• Abstract要約: 大規模言語モデル(LLM)は強力なコード生成能力を示すが、暗黙的あるいは曖昧な振る舞い要求のために機能的正確性に苦慮することが多い。 本稿では、自然言語タスクを構造化された振る舞いコントラクトに変換する、契約誘導型コード生成フレームワークであるCG2を紹介する。
• 参考スコア（独自算出の注目度）: 5.932505132502132
• License:
• Abstract: Large language models (LLMs) demonstrate strong code-generation capabilities but often struggle with functional correctness due to implicit or ambiguous behavioral requirements. We present CG2, a contract-guided code generation framework that translates natural-language tasks into structured behavioral contracts specifying interfaces, preconditions, postconditions, and invariants. CG2 fine-tunes an LLM to generate these contracts and introduces an iterative semantic validation and repair process to identify and correct incomplete, inconsistent, or incorrect specifications before guiding an unchanged downstream code-generation model. We evaluate CG2 on 1,007 held-out tasks using five code LLMs: DeepSeek-Coder-V2-Lite-Instruct, Ministral-3-14B-Instruct-2512, Qwen2.5-Coder-14B-Instruct, Qwen2.5-Coder-32B-Instruct, and Qwen3.5-27B. Results show that CG2 consistently improves pass@1 over direct code generation by 1.49-3.27 percentage points (7.58%-22.45% relative improvement) and over contract guidance without fine-tuning by 1.19-2.38 percentage points (7.04%-14.65% relative improvement). Manual analysis further reveals that semantically correct contracts are associated with higher code-generation accuracy. These findings demonstrate that explicitly specifying and validating behavioral requirements can improve functional correctness without modifying downstream code-generation models.
• Abstract（参考訳）: 大規模言語モデル(LLM)は強力なコード生成能力を示すが、暗黙的あるいは曖昧な振る舞い要求のために機能的正確性に苦慮することが多い。 本稿では,自然言語タスクをインターフェース,前提条件,後条件,不変性を指定する構造化された動作契約に変換する,契約誘導型コード生成フレームワークであるCG2を提案する。 CG2は、LCMを微調整してこれらのコントラクトを生成し、不完全な、一貫性のない、または誤った仕様を特定し、修正する反復的な意味検証と修復プロセスを導入し、下流のコード生成モデルを導出する。 我々は,DeepSeek-Coder-V2-Lite-Instruct, Ministral-3-14B-Instruct-2512, Qwen2.5-Coder-14B-Instruct, Qwen2.5-Coder-32B-Instruct, Qwen3.5-27Bの5つのLLMを用いて,1,007のホールドアウトタスクにおけるCG2を評価する。 その結果、CG2は直接コード生成よりもパス@1を1.49-3.27ポイント(7.58%-22.45%)、微調整なしで契約ガイダンスより1.19-2.38ポイント(7.04%-14.65%)改善している。 手動分析により、意味論的に正しい契約はより高いコード生成精度と関連していることが明らかになった。 これらの結果から,ダウンストリームコード生成モデルを変更することなく,動作条件の明示と検証が機能的正当性を向上させることが示唆された。

関連論文リスト

• SpecForge: Recursive Self-Improvement for Coding Agents via Behavioral Specifications [42.45190218343587]
  フリーズ言語モデルに基づくコーディングエージェントは、モデル重みを更新することなく、依存する外部コンテキストを精査することで、パフォーマンスを向上させることができる。 エージェントが現在の仕様からコードを生成し、それを実行検証テストで評価し、観測された失敗に基づいて仕様を洗練する自己改善ループを定式化する。 この問題に3つのメカニズムで対処する,多面的なツリー検索フレームワークであるSpecForgeを紹介した。 DevEval+では、SpecForgeは、Claude-4.5-Sonnetによる94.9%の解決率と5.7%のポイント平均改善を含む、5つのバックボーンモデルで最高のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2026-10-11T15:46:22Z)
• Robustness of LLM-Generated SystemVerilog Assertions to Semantics-Preserving RTL Transformations [0.0]
  大規模言語モデル(LLM)は、SystemVerilog Assertion(SVA)の自動生成のために、ますます研究されている。 ほとんどの評価では、入力の単一の構文表現に正確さを報告している。 そのような点の精度は、モデルの正しい出力が同じRTLの振る舞いが異なる場合に安定であるかどうかを明らかにしない。
  論文  参考訳（メタデータ） (2026-09-04T18:41:58Z)
• Converted, Not Equivalent: Benchmarking Codebase Conversion via Observational Equivalence [56.25095230687242]
  コーディングエージェントは、しばしば自身のローカル検証ルーチンを過度に信頼し、表面チェックを満たすアーティファクトの成功を宣言する。 この問題は、事前評価が結果駆動である変換において特に深刻である。 ブラインド・コンバージョンは26.7-28.9%に達し、スペック・パスレートは91.1%まで上昇した。 このことは、失敗は限られた予算やバックボーンの強さよりも、契約ミスによる自己検証に起因していることを示唆している。
  論文  参考訳（メタデータ） (2026-05-27T19:57:15Z)
• Larger Is Not Always Better: Leveraging Structured Code Diffs for Comment Inconsistency Detection [3.0208923532626444]
  開発者がコードを変更するが、対応するコメントを更新することを無視する場合に、コメントの不整合が発生する。 大規模言語モデル(LLM)を利用したCCI(Code-comment Inconsistency)検出への最近のアプローチ CodeT5+のバックボーン上に構築したJust-In-Time CCI検出手法を提案する。
  論文  参考訳（メタデータ） (2025-12-22T21:17:31Z)
• BRIDGE: Building Representations In Domain Guided Program Verification [67.36686119518441]
  BRIDGEは、検証をコード、仕様、証明の3つの相互接続ドメインに分解する。 提案手法は, 標準誤差フィードバック法よりも精度と効率を著しく向上することを示す。
  論文  参考訳（メタデータ） (2025-11-26T06:39:19Z)
• Do Large Language Models Respect Contracts? Evaluating and Enforcing Contract-Adherence in Code Generation [11.445615378917578]
  PACTは、プログラムアセスメントおよび契約順応評価フレームワークである。 契約違反に焦点を当てた包括的なテストスーツコーパスを提供する。 様々なプロンプト条件下でのコード生成の体系的解析を可能にする。
  論文  参考訳（メタデータ） (2025-10-14T01:12:37Z)
• IFEvalCode: Controlled Code Generation [69.28317223249358]
  本稿では,Code LLMの命令追従能力を改善するために,前方および後方制約生成を提案する。 IFEvalCodeは、7つのプログラミング言語の1.6Kテストサンプルからなる多言語ベンチマークである。
  論文  参考訳（メタデータ） (2025-07-30T08:08:48Z)
• VisCoder: Fine-Tuning LLMs for Executable Python Visualization Code Generation [69.35779796364413]
  提案するVisCode-200Kは,Pythonによる可視化と自己補正のための大規模インストラクションチューニングデータセットである。 1)オープンソースリポジトリからの検証済みプロットコードと自然言語命令と描画プロットのペア,(2)Code-Feedbackからの45Kのマルチターン補正ダイアログ。
  論文  参考訳（メタデータ） (2025-06-04T13:24:44Z)
• ReCode: Robustness Evaluation of Code Generation Models [90.10436771217243]
  コード生成モデルのための総合的ロバストネス評価ベンチマークであるReCodeを提案する。 ドクストリング、関数と変数名、コード構文、コードフォーマットのコードに特化して、30以上の変換をカスタマイズします。 ヒトのアノテータでは、摂動プロンプトの90%以上が本来のプロンプトの意味を変えていないことが確認された。
  論文  参考訳（メタデータ） (2022-12-20T14:11:31Z)

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。