論文の概要: Cross-Platform Application Migration to HarmonyOS: An Agentic Pipeline with Artifact-Derived Verification
- arxiv url: http://arxiv.org/abs/2610.33197v1
- Date: Fri, 23 Oct 2026 18:46:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-27 22:27:13.268285
- Title: Cross-Platform Application Migration to HarmonyOS: An Agentic Pipeline with Artifact-Derived Verification
- Title（参考訳）: HarmonyOSへのクロスプラットフォームアプリケーション移行:Artifact-Derived Verificationを備えたエージェントパイプライン
- Abstract要約: 本稿では,アプリケーションのソースコードを読み取って ArkTS プロジェクトを生成するエージェントパイプライン HMOSMigrator を提案する。
ソースアプリケーションの記録された振る舞いと、パイプラインによって生成されたアーティファクトのみを使用して、マイグレーションをスコア付けします。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The migration of applications written for a different platforms like Android or iOS to HarmonyOS NEXT requires a complete rewrite in ArkTS. Although LLMs automate the translation of source constructs into ArkTS, syntactic compilation is not enough and functional assurance is a critical open challenge in HarmonyOS NEXT migration. We present HMOS~Migrator, an agentic pipeline that reads an application's source code, generates an ArkTS project, and validates the result by replaying recorded interactions on a real device. We cast the scoring problem as quality estimation without a reference implementation; we score a migration using only the source application's recorded behaviour and the artifacts produced by the pipeline. We define seven weighted metrics, each constructed so that reduced measurement cannot artificially raise the score. Over twelve runs across six open-source applications, the pipeline's structural reproduction is high (completeness \pct{83.3}--\pct{100.0}), while on-device behaviour (\pct{4.3}--\pct{63.1}) and UI fidelity (\pct{21.1}--\pct{63.2}) remain the primary limits. Scores improve steadily over time: $+0.45$~points per day overall ($R^2=0.44$, $p=0.019$) and $+0.47$ over the model-free subset ($R^2=0.39$, $p=0.029$), with corresponding to fit angles of $+8.4^{\circ}$ and $+11.7^{\circ}$ respectively.
- Abstract（参考訳）: AndroidやiOSのような異なるプラットフォーム向けに書かれたアプリケーションのHarmonyOS NEXTへの移行には、ArkTSで完全に書き直さなければならない。
LLMはソースコンストラクトのArkTSへの変換を自動化するが、構文コンパイルでは不十分であり、HarmonyOS NEXT移行において機能保証は重要なオープンチャレンジである。
本稿では,アプリケーションのソースコードを読み出し,ArkTSプロジェクトを生成するエージェントパイプラインであるHMOS~Migratorについて述べる。
我々は、スコアリング問題を基準実装なしで品質評価として、ソースアプリケーションの記録された振る舞いとパイプラインが生成したアーティファクトのみを使用して、マイグレーションをスコア付けした。
我々は7つの重み付きメトリクスを定義し、それぞれの測定値が人工的にスコアを上げることができないように構成する。
パイプラインの構造的再現は高く(完全性 \pct{83.3}--\pct{100.0})、オンデバイス動作 (\pct{4.3}--\pct{63.1}) とUIの忠実さ (\pct{21.1}-\pct{63.2}) は主要な限界である。
1日当たり$+0.45$~ポイント(R^2=0.44$, $p=0.019$)と$+0.47$(R^2=0.39$, $p=0.029$)は、それぞれ$+8.4^{\circ}$と$+11.7^{\circ}$である。
関連論文リスト
- EVM-Anchored Provenance for AI-Assisted Code Evolution: A Smoke-Scale Deployment Report [0.0]
AIによるコード生成によって生成されたステートストリームの証明フレームワークがBase Sepoliaにデプロイされている。
ライブデプロイメントでは14のステートイベントがオンチェーンで検証され、最後の98,977ガスが1gweiで消費される。
すべての経験的数値は、単一の著者による記述的量子化であり、テストネットのレイテンシは報告されない。
論文 参考訳（メタデータ） (2026-10-23T22:39:16Z) - The Missing Fourth Term for the Emulation Tensor Memory Equilibrium (TME) Model: The Residue Deconstruction Cost [0.0]
『FP8 is All You Need』(パート1)では、テンソルコア項の最大値としてfp64の尾崎スキームIIエミュレーションの実行時間と、ハイバンド幅メモリ(HBM)トラフィック項と出力毎の再構成項を算出する。
すべてのストリームfp64は、任意の行列乗算が発行される前にSIMTパイプ上の$r$モジュラーのそれぞれをスケール、丸め、減らさなければならない。
残余の事前計算と保存は、同じコストで帯域幅の項に移行し、命令数を示す。
論文 参考訳（メタデータ） (2026-10-07T21:27:35Z) - TileSkipper: Region-Adaptive Tile Pruning for 3D Gaussian Splatting [60.48772713715659]
TileSkipperは凍結チェックポイントに対して、ガウス単位の静的カットオフポリシーを選択する。
Mip-NeRF 360、Tants & Temples、Deep Blendingの13のシーンで、固定政治のAccuTileスイープは、標準解像度で1.088times$、幅で1.238times$3840Pixelsというデータセットとマクロのスピードアップを提供する。
論文 参考訳（メタデータ） (2026-10-07T03:01:51Z) - Recursive Synthesis for Long-Horizon Terminal Tasks [50.39352383646813]
Recursive Synthetic Terminal Tasks (RST) は、大規模に長期の端末エージェントタスクを構築するためのフレームワークである。
RSTは37,484個の合成端末エージェントタスクを1タスクあたり0.05ドルで生成する。
軌道の微調整により、Qwen3.5-27BとQwen3.5-122B-A10Bはターミナルベンチ2、ターミナルベンチハード、ロングホライゾンターミナルベンチで最大10ポイント改善される。
論文 参考訳（メタデータ） (2026-08-05T23:24:26Z) - Benchmarking Speech-to-Speech Translation Models [55.00303727199927]
音声音声翻訳(S2ST)は急速に進歩しているが、オフライン評価には統一されたプロトコルが欠けている。
8次元にわたる46のメトリクスを統合するベンチマークフレームワークを導入する。
FLEURSとCVSSから1,248のモデル言語構成でデプロイする。
論文 参考訳（メタデータ） (2026-06-02T07:01:33Z) - Scaling Laws for Agent Harnesses via Effective Feedback Compute [53.68149869349268]
emphEffective Feedback Compute (EFC)は、情報的、有効、非冗長な場合にのみフィードバックを信用し、その後の決定のために保持するトレースレベルのスケーリング座標である。
EFCベースの座標は、生の計算ベースラインよりも失敗率を常に予測する。
論文 参考訳（メタデータ） (2026-05-28T09:45:47Z) - LogDx-CI: Benchmarking Log Reduction Tools for LLM Root-Cause Diagnosis [7.571129923187892]
CIの障害ログは大きい(中央5k行、このコーパスで最大200k)し、ノイズがあります。
デバッグしようとするコーディングエージェントは、上流ツールに依存して、ログを管理可能なコンテキストに還元する。
11のコンテキスト推論ツールを比較するベンチマークであるLogDx-CIを紹介します。
論文 参考訳（メタデータ） (2026-05-26T06:34:47Z) - SURGE: SuperBatch Unified Resource-efficient GPU Encoding for Heterogeneous Partitioned Data [3.1624024957575982]
SURGEは,4万の論理パーティションに8億以上のテキストの埋め込みを生成するために,本番環境にデプロイされたストリーミングエンコーディングシステムである。
4つのNVIDIA L4768を持つ10Mテキストでは、SURGEは26,413のテキスト/sを提供する。
論文 参考訳（メタデータ） (2026-05-01T19:51:50Z) - Frugal Knowledge Graph Construction with Local LLMs: A Zero-Shot Pipeline, Self-Consistency and Wisdom of Artificial Crowds [0.0]
本稿では,知識グラフ構築と活用のためのゼロショットパイプラインの実証的研究について述べる。
外部ベンチマーク(DocRED、HotpotQA)、WebQuestionsSPスタイルの合成データ、RAGAS評価フレームワークを自動パイプラインに統合する。
文書レベルの関係では, ゼロショットで0.70$pm$0.041のF1を達成するのに対し, 教師付きDREEAMでは0.80となる。
論文 参考訳（メタデータ） (2026-04-13T07:20:21Z) - INC: An Indirect Neural Corrector for Auto-Regressive Hybrid PDE Solvers [61.84396402100827]
本稿では,学習した補正を支配方程式に統合する間接ニューラルコレクタ(mathrmINC$)を提案する。
$mathrmINC$は、$t-1 + L$の順番でエラー増幅を減らし、$t$はタイムステップ、$L$はリプシッツ定数である。
大規模なベンチマークで$mathrmINC$をテストし、1Dカオスシステムから3D乱流まで、多くの異なる解法、神経バックボーン、テストケースをカバーした。
論文 参考訳（メタデータ） (2025-11-16T20:14:28Z) - $π_\texttt{RL}$: Online RL Fine-tuning for Flow-based Vision-Language-Action Models [76.66547858171452]
$pi_textRL$は、並列シミュレーションでフローベースのVision-Language-Action(VLA)モデルをトレーニングするためのオープンソースのフレームワークである。
$pi_textRL$は、数ショットのSFTモデルに$pi_0.5$を57.6%から97.6%へ、それぞれ77.1%から98.3%へ引き上げる。
ManiSkillでは、320の並列環境で$pi_textRL$をトレーニングし、$pi_textRL$を41.6%から85.7%、$pi_0.5に改善します。
論文 参考訳（メタデータ） (2025-10-29T18:37:39Z)
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。