論文の概要: Code Comprehensor: Hierarchical Documentation and Cross-Modal Retrieval for Large Repositories

• arxiv url: http://arxiv.org/abs/2610.30016v1
• Date: Wed, 21 Oct 2026 16:45:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-23 00:40:06.41475
• Title: Code Comprehensor: Hierarchical Documentation and Cross-Modal Retrieval for Large Repositories
• Title（参考訳）: Code Comprehensor: 大規模リポジトリのための階層ドキュメントとクロスモーダル検索
• Abstract要約: Code Comprehensorは、コード依存性のコールグラフとCodeScribeを組み合わせたハイブリッド検索推論フレームワークである。 CodeContrastは、CodeScribe出力に基づいてトレーニングされたCLIPスタイルのデュアルエンコーダモデルで、整列されたテキストコードの埋め込みを学習する。 OpenCVとプロプライエタリな5M-LOCレポジトリの評価により,CodeScribe由来のインスペクションは,テキスト間の精度において,クロスモーダル検索を大幅に改善することが示された。
• 参考スコア（独自算出の注目度）: 1.631115063641726
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding large, complex, and rapidly evolving code bases remains a core challenge for software engineering at scale, hindering onboarding, maintenance, refactoring, and impact analysis. Providing this information to a Large-Language Model (LLM) is another hurdle, as the LLM must understand not only the required code method but also its associated methods in the grand scheme of the repository. We propose Code Comprehensor, a hybrid retrieval-reasoning framework combining (i) a code dependency callgraph, (ii) CodeScribe, which uses code-aware LLMs to generate hierarchical documentation across repository call graphs, and (iii) CodeContrast, a CLIP-style dual-encoder model trained on CodeScribe output to learn aligned text-code embeddings. CodeContrast enables fast, semantically precise retrieval of relevant code-context neighborhoods, which serve as grounded evidence for an MCP-based LLM orchestrator answering domain-specific queries. Evaluation on OpenCV and a proprietary 5M-LOC repository shows that CodeScribe-derived supervision significantly improves cross-modal retrieval in text-to-code accuracy over baseline approaches. Richer textual supervision (hierarchical documentation, parent/sibling context, and LLM-generated synthetic questions) consistently enhances performance across both repositories. LLM-as-a-judge evaluation using the popular RAGAS of the Code Comprehensor output yields above 90% faithfulness scores.
• Abstract（参考訳）: 大規模で複雑で、急速に進化するコードベースを理解することは、大規模なソフトウェアエンジニアリングにとって重要な課題であり、オンボード、メンテナンス、リファクタリング、影響分析を妨げる。 この情報をLLM(Large-Language Model)に提供することもまたハードルであり、LCMは必要なコードメソッドだけでなく、リポジトリのグランドスキームで関連するメソッドも理解しなければならない。 ハイブリッド検索推論フレームワークであるCode Comprehensorを提案する。 i) コード依存性のコールグラフ (ii) CodeScribeは、コード認識のLCMを使用してリポジトリコールグラフをまたいだ階層的なドキュメントを生成する。 (iii) CodeContrastは、CodeScribe出力に基づいてトレーニングされたCLIPスタイルのデュアルエンコーダモデルで、整列されたテキストコードの埋め込みを学習する。 CodeContrastは、ドメイン固有のクエリに応答するMPPベースのLLMオーケストレータの根拠となる、関連するコードコンテキスト近傍の高速かつ正確に検索を可能にする。 OpenCVとプロプライエタリな5M-LOCレポジトリの評価から,CodeScribeによるインスペクションは,ベースラインアプローチよりもテキストとコード間の精度において,クロスモーダル検索を大幅に改善することが示された。 よりリッチなテキスト管理(階層的なドキュメント、親と兄弟のコンテキスト、LLM生成の合成質問)は、両リポジトリのパフォーマンスを一貫して向上させます。 Code Comprehensor 出力の RAGAS を用いた LLM-as-a-judge 評価では,90% 以上の信頼度が得られた。

関連論文リスト

• AlignCoder: Aligning Retrieval with Target Intent for Repository-Level Code Completion [55.21541958868449]
  リポジトリレベルのコード補完フレームワークであるAlignCoderを提案する。 我々のフレームワークは、初期クエリとターゲットコードのセマンティックギャップを橋渡しする拡張クエリを生成する。 我々は、拡張クエリにおける推論情報を活用してより正確な検索を行うAlignRetrieverのトレーニングに強化学習を採用する。
  論文  参考訳（メタデータ） (2026-01-27T15:23:14Z)
• CodeRAG: Finding Relevant and Necessary Knowledge for Retrieval-Augmented Repository-Level Code Completion [11.329578913209623]
  リポジトリレベルのコード補完は、リポジトリからのより広範な情報に基づいて、未完成のコードを自動的に予測する。 CodeRAGは、リポジトリレベルのコード補完を検索するために必要な知識を特定するためのフレームワークである。
  論文  参考訳（メタデータ） (2025-09-19T15:57:40Z)
• CodeRAG: Supportive Code Retrieval on Bigraph for Real-World Code Generation [69.684886175768]
  大規模言語モデル(LLM)は、自動コード生成において有望なパフォーマンスを示している。 本稿では,検索拡張コード生成フレームワークであるCodeRAGを提案する。 実験によると、CodeRAGはRAGのシナリオと比較して大幅に改善されている。
  論文  参考訳（メタデータ） (2025-04-14T09:51:23Z)
• OpenCoder: The Open Cookbook for Top-Tier Code Large Language Models [76.59316249991657]
  コードのための大規模言語モデル(LLM)は、コード生成、推論タスク、エージェントシステムなど、さまざまな領域で必須になっている。 オープンアクセスのコード LLM はプロプライエタリなモデルの性能レベルに近づきつつあるが、高品質なコード LLM は依然として限られている。 トップクラスのコードLLMであるOpenCoderは、主要なモデルに匹敵するパフォーマンスを達成するだけでなく、研究コミュニティの"オープンクックブック"としても機能します。
  論文  参考訳（メタデータ） (2024-11-07T17:47:25Z)
• Hierarchical Context Pruning: Optimizing Real-World Code Completion with Repository-Level Pretrained Code LLMs [24.00351065427465]
  本稿では,階層型コンテキストプルーニング(HCP)という戦略を提案し,高い情報量を持つコンプリートプロンプトを構築する。 HCPは関数レベルでコードリポジトリをモデル化し、コードファイル間のトポロジ的な依存関係を維持しながら、大量の無関係なコードコンテンツを削除する。
  論文  参考訳（メタデータ） (2024-06-26T12:26:16Z)
• GraphCoder: Enhancing Repository-Level Code Completion via Code Context Graph-based Retrieval and Language Model [30.625128161499195]
  GraphCoderは検索拡張コード補完フレームワークである。 一般的なコード知識と、グラフベースの検索生成プロセスを通じてリポジトリ固有の知識を使用する。 コードマッチでは+6.06、識別子マッチでは+6.23となり、時間と空間は少ない。
  論文  参考訳（メタデータ） (2024-06-11T06:55:32Z)
• StepCoder: Improve Code Generation with Reinforcement Learning from Compiler Feedback [58.20547418182074]
  2つの主要コンポーネントからなるコード生成の新しいフレームワークであるStepCoderを紹介します。 CCCSは、長いシーケンスのコード生成タスクをCurriculum of Code Completion Subtaskに分割することで、探索課題に対処する。 FGOは、未実行のコードセグメントをマスクすることでのみモデルを最適化し、Fine-Grained Optimizationを提供する。 提案手法は,出力空間を探索し,対応するベンチマークにおいて最先端の手法より優れた性能を発揮する。
  論文  参考訳（メタデータ） (2024-02-02T13:14:31Z)

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。