論文の概要: From Ripple to Boundary: Deterministic Impact Boundaries for LLM-Based Software Evolution

• arxiv url: http://arxiv.org/abs/2610.36549v1
• Date: Tue, 27 Oct 2026 03:00:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.471543
• Title: From Ripple to Boundary: Deterministic Impact Boundaries for LLM-Based Software Evolution
• Title（参考訳）: リップルから境界へ:LCMベースのソフトウェア進化のための決定論的影響境界
• Abstract要約: 進化のボトルネックは、コードを書くことから、マルチソース設計資産と生成されたコードの間の決定論的一貫性を維持するようになった。 セマンティック検索やテキストベースのディファリングのような確率論的アプローチは、高度に相互接続された設計に依存している構造的な波及効果を捉えることができない。 本稿では,確率論的セマンティック検索から決定論的構造制約へのパラダイムシフトを提案する。
• 参考スコア（独自算出の注目度）: 11.859756593162542
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The landscape of software evolution is undergoing a fundamental paradigm shift in the era of Large Language Models. As industrial software engineering increasingly transitions toward design-driven code generation, the bottleneck of evolution has shifted from writing code to maintaining deterministic consistency between multi-source design assets and the generated code. When a design asset changes, LLM agents currently lack a deterministic impact boundary to identify which code must be evolved, leading to two failure modes: hallucinating missing changes or breaking unrelated code. Probabilistic approaches, such as semantic retrieval or text-based diffing, fail to capture the structural ripple effects across highly interconnected design dependencies. We propose a paradigm shift from probabilistic semantic retrieval to deterministic structural constraints. We formalize the design assets as a Knowledge Graph and organize them into a content-addressed Merkle Directed Acyclic Graph. Our key insight reveals a topological isomorphism between the logical ripple effect of a design change and the content hash propagation within the DAG. By leveraging this, we transform ambiguous impact analysis into verifiable structural operations. Through a two-phase diffing process, we extract a precise causal chain that defines the exact modification boundary. This boundary enables deterministic context injection, providing the LLM agent with strictly scoped code and design updates, thereby fundamentally guaranteeing evolution safety. As a by-product, the KG serves as an agent-queryable knowledge base for natural language design retrieval. Early deployment on a large-scale industrial payment platform demonstrates that our mechanism successfully computes the exact impact boundary and generates incremental code modifications that meet the expected design changes.
• Abstract（参考訳）: ソフトウェア進化の展望は、大規模言語モデルの時代において、根本的なパラダイムシフトを受けています。 産業ソフトウェアエンジニアリングが設計駆動のコード生成へと移行するにつれ、進化のボトルネックは、コードの記述から、マルチソース設計資産と生成されたコード間の決定論的一貫性の維持へと移行してきた。 設計資産が変更された場合、LLMエージェントは現在、どのコードが進化する必要があるかを識別するための決定論的影響境界が欠如している。 セマンティック検索やテキストベースのディファリングのような確率論的アプローチは、高度に相互接続された設計に依存している構造的な波及効果を捉えることができない。 本稿では,確率論的セマンティック検索から決定論的構造制約へのパラダイムシフトを提案する。 デザインアセットを知識グラフとして形式化し、コンテンツに適応したMerkle Directed Acyclic Graphに整理する。 我々の重要な洞察は、設計変更の論理的リップル効果とDAG内のコンテンツハッシュ伝播との間のトポロジカルな同型性を明らかにすることである。 これを利用して、不明瞭な影響分析を検証可能な構造演算に変換する。 二相回折法により、正確な修正境界を定義する正確な因果連鎖を抽出する。 この境界は決定論的コンテキスト注入を可能にし、LLMエージェントに厳密にスコープされたコードと設計の更新を提供し、進化の安全性を根本的に保証する。 副産物として、KGは自然言語設計検索のためのエージェントクエリ可能な知識ベースとして機能する。 大規模産業決済プラットフォームへの早期展開は、我々のメカニズムが正確な影響境界を計算し、期待される設計変更を満たすインクリメンタルなコード修正を生成することを実証している。

関連論文リスト

• Articulating Assumptions in AI-Generated Scientific Analyses through Task Decomposition [0.0]
  LLMによって生成された科学プログラムを解析・比較するためのマルチエージェントフレームワークを提案する。 フレームワークはコード生成、実行、トレース、検証を別々のエージェントに割り当てる。 キー出力量をどうやって生成するかを再構築し、意図した分析と実装されたコードの違いを特定する。
  論文  参考訳（メタデータ） (2026-07-07T02:40:32Z)
• Automating Cause-Effect Specification with Knowledge Graphs and Large Language Models [0.1223474232275842]
  本稿では,C&Eロジックの生成を自動化するセマンティックAIフレームワークを提案する。 このフレームワークは知識グラフ(KG)と制約付き大言語モデル(LLM)レイヤを組み合わせる。
  論文  参考訳（メタデータ） (2026-06-30T13:03:46Z)
• Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
  RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。 複数の多様な実装設計を生成することで、線形パッチから切り離される。 NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
  論文  参考訳（メタデータ） (2026-03-02T12:50:40Z)
• Assemble Your Crew: Automatic Multi-agent Communication Topology Design via Autoregressive Graph Generation [91.17994756436259]
  大規模言語モデル(LLM)に基づくマルチエージェントシステム(MAS)は、多様な領域にわたる複雑な問題を扱うための強力なソリューションとして登場した。 既存のアプローチは、事前に定義されたエージェントセットとハードコードされた相互作用構造を持つテンプレートグラフ修正パラダイムに依存しているため、基本的に制限されている。 協調グラフをスクラッチから構築することで、このパラダイムを運用する新しい自己回帰モデルであるARG-Designerを提案する。
  論文  参考訳（メタデータ） (2025-07-24T09:17:41Z)
• Structural Entropy Guided Probabilistic Coding [52.01765333755793]
  構造エントロピー誘導型確率的符号化モデルSEPCを提案する。 我々は、構造エントロピー正規化損失を提案することにより、潜在変数間の関係を最適化に組み込む。 分類タスクと回帰タスクの両方を含む12の自然言語理解タスクに対する実験結果は、SEPCの優れた性能を示す。
  論文  参考訳（メタデータ） (2024-12-12T00:37:53Z)

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。