論文の概要: Standards-Guided and Dependency-Aware Code-Level Documentation Generation

• arxiv url: http://arxiv.org/abs/2610.27634v1
• Date: Tue, 20 Oct 2026 04:58:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-21 21:58:47.639627
• Title: Standards-Guided and Dependency-Aware Code-Level Documentation Generation
• Title（参考訳）: 標準型および依存型コードレベルドキュメンテーション生成
• Abstract要約: 既存のアプローチはドキュメントを制約のないテキスト生成として扱う。 CODEDOCは標準で依存性を意識したフレームワークである。 実験によると、CODEDOCはRepoAgentよりも高品質なドキュメントを生成する。
• 参考スコア（独自算出の注目度）: 26.409939743803992
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatically generating high-quality documentation for software repositories remains challenging: existing approaches largely treat documentation as unconstrained text generation, lacking explicit quality specifications, depending heavily on long-context prompts over raw code, and offering limited support for reproducible evaluation. We argue that code-level documentation generation should instead be a standards-guided software engineering task, in which documentation is generated and assessed against explicit, reusable quality requirements derived from authoritative standards. We define code documentation as natural-language descriptions of repository functions and classes, organized by source-code path. We present CODEDOC, a standards-guided and dependency-aware framework that identifies dependencies between code entities via static call-graph and AST analysis and constructs dependency-aware structured prompts combining local code context, repository paths, and documentation criteria drawn from authoritative standards and style guides. We further introduce an interactive LLM-as-a-judge protocol that supplies criterion-aligned feedback to refine generated documentation along fine-grained dimensions from formal and practice-oriented standards. Experiments on ten open-source Python repositories show that CODEDOC produces higher-quality documentation than RepoAgent and a long-context baseline under standards-aligned evaluation, with relative improvements of 11.6%-17.0% and 21.4%-29.6%, respectively, while consuming roughly an order of magnitude fewer tokens per documentation entity than the long-context baseline. A human study confirms substantial alignment between LLM-based and human judgments (Spearman's rho = 0.72), and the relative findings hold across different judge LLMs. Code is available at https://github.com/ControllableModel/CodeDoc.
• Abstract（参考訳）: 既存のアプローチは、ドキュメントを制約のないテキスト生成として扱うこと、明示的な品質仕様の欠如、生のコードに対する長いコンテキストのプロンプトに大きく依存すること、再現可能な評価に対する限定的なサポートを提供することである。 コードレベルのドキュメンテーション生成は、標準化されたソフトウェアエンジニアリングタスクであるべきであり、そこでは、権威的な標準から派生した明示的で再利用可能な品質要件に対して、ドキュメンテーションが生成され、評価される。 ソースコードパスによって整理された、リポジトリ機能とクラスの自然言語記述として、コードドキュメントを定義します。 CODEDOCは、静的なコールグラフとAST分析を通じて、コードエンティティ間の依存関係を識別し、ローカルなコードコンテキスト、リポジトリパス、権威的な標準とスタイルガイドから引き出されたドキュメントの基準を組み合わせた依存性対応のプロンプトを構築する。 さらに、形式的および実践指向の標準からきめ細かいディメンジョンに沿って生成した文書を洗練するために、基準に整合したフィードバックを提供する対話型LCM-as-a-judgeプロトコルを導入します。 オープンソースのPythonリポジトリ10件の実験によると、CODEDOCはRepoAgentよりも高品質なドキュメントを作成でき、それぞれ11.6%-17.0%と21.4%-29.6%の相対的な改善がなされた。 人間の研究では、LLMに基づく判断と人間の判断(スピアマンのrho = 0.72)の相当な一致が確認され、相対的な発見は異なる判断のLSM間で保持される。 コードはhttps://github.com/ControllableModel/CodeDocで入手できる。

関連論文リスト

• PaperCompiler: Faithful Paper-to-Code Generation via Repository-Level Specification Compilation [24.326718323836293]
  そこで我々はPaperCompilerを紹介した。PaperCompilerは紙面のエビデンスをリポジトリレベルの明示的な実装仕様にコンパイルするコード生成フレームワークである。 結果として得られた仕様は、非劣化要件、オーナシップの割り当て、ファイル間の依存関係、ファイルレベルの制約をエンコードする。 PaperCompilerはPaper2CodeBenchの強力なベースラインを上回り、参照ベースの忠実度が13.8%向上した。
  論文  参考訳（メタデータ） (2026-09-02T08:21:03Z)
• Natural Language-Focused Software Engineering via Code-Documentation Equivalence [17.47344940875897]
  与えられたコードスニペットに等価なドキュメントを自動的に生成する、Documentaryと呼ばれる新しいアプローチを提案する。 提案手法により,LCMは関数の出力を12.8～24.5%高い精度で予測できることがわかった。 人間の開発者は、Documentaryが生成したドキュメントは、オリジナルの人間によるドキュメントよりも、コードの理解と編集に有用だと考えている。
  論文  参考訳（メタデータ） (2026-06-20T22:19:00Z)
• DocAtlas: Multilingual Document Understanding Across 80+ Languages [58.715440331861295]
  本稿では,82言語を対象とした高忠実度OCRデータセットとベンチマークを構築するフレームワークDocAtlasを紹介する。 我々のデュアルパイプライン、ネイティブDOCX文書の微分レンダリング、左右スクリプトの合成ベース生成は正確な構造アノテーションを生成する。
  論文  参考訳（メタデータ） (2026-05-12T18:09:38Z)
• DocSync: Agentic Documentation Maintenance via Critic-Guided Reflexion [0.0]
  DocSyncは、ドキュメントのメンテナンスを構造的に基盤付けられた反復的な生成タスクとしてフレーム化するエージェントワークフローである。 LoRA適応小言語モデルを用いたDocSyncの資源制約実装を実証的に評価する。 このAST対応エージェントアプローチが標準エンコーダ・デコーダのベースラインを大幅に上回ることを示す。
  論文  参考訳（メタデータ） (2026-05-04T02:41:33Z)
• Evaluating Repository-level Software Documentation via Question Answering and Feature-Driven Development [11.174059895410357]
  SWD-Benchは、リポジトリレベルのソフトウェアドキュメンテーションを評価するための新しいベンチマークである。 ドキュメント駆動開発に触発された私たちの戦略は、LLMの機能を理解し実装する能力を評価することで、ドキュメントの品質を評価します。 高品質なプルリクエストをマイニングし、リポジトリレベルのコンテキストでそれらを強化することで、4,170のエントリを含むベンチマークを構築します。
  論文  参考訳（メタデータ） (2026-04-08T07:58:18Z)
• 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)
• DOCBENCH: A Benchmark for Evaluating LLM-based Document Reading Systems [99.17123445211115]
  本稿では,大規模言語モデル(LLM)に基づく文書読解システムを評価するベンチマークであるDocBenchを紹介する。 我々のベンチマークには、人間のアノテーションの募集と、合成質問の生成が含まれる。 実際の文書は229件、質問は1,102件で、5つのドメインにまたがって4種類の質問がある。
  論文  参考訳（メタデータ） (2024-07-15T13:17:42Z)
• On the Impacts of Contexts on Repository-Level Code Generation [5.641402231731082]
  本稿ではレポジトリレベルのコード生成を評価するために設計された新しいベンチマークであるRepoExecを紹介する。 実行可能性、包括的なテストケース生成による機能的正当性、ファイル間のコンテキストの正確な利用という3つの重要な側面に注目します。
  論文  参考訳（メタデータ） (2024-06-17T10:45:22Z)
• Precise Zero-Shot Dense Retrieval without Relevance Labels [60.457378374671656]
  仮説文書埋め込み(英: hypothetical Document Embeddings, HyDE)は、ゼロショット高密度検索システムである。 我々は,HyDEが最先端の非教師付き高密度検索器であるContrieverを著しく上回っていることを示す。
  論文  参考訳（メタデータ） (2022-12-20T18:09:52Z)

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。