論文の概要: ASNER: Software Architecture Recovery with Adaptive Semantic Neighborhoods and Evidence-Grounded Refinement

• arxiv url: http://arxiv.org/abs/2610.36894v1
• Date: Tue, 27 Oct 2026 09:28:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.554412
• Title: ASNER: Software Architecture Recovery with Adaptive Semantic Neighborhoods and Evidence-Grounded Refinement
• Title（参考訳）: ASNER:Adaptive Semantic NeighborhoodsとEvidence-Grounded Refinementによるソフトウェアアーキテクチャのリカバリ
• Abstract要約: 本稿では,責任認識,プロジェクト適応型関係モデリング,エビデンス基底境界検証に基づくASNERを提案する。 Responsibility-Ownership-Aware (ROA) Agentは、プロジェクトレベルの責任とトレース可能なコードエビデンスを使用して、不確実な境界ファイルを調べる。 下流評価では、ASNER誘導LocAgentはファイル、モジュール、関数レベルのコードローカライゼーションを改善している。
• 参考スコア（独自算出の注目度）: 38.16679936078503
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Automated software architecture recovery provides architectural context for software engineering and repository-level LLM agents. Existing methods combine structural and semantic signals, but functional relatedness does not necessarily imply shared architectural responsibility. Fixed thresholds or Top-K neighborhoods also ignore repository scale and local similarity distributions, introducing errors that propagate through clustering. Unconstrained LLM refinement may further alter correct assignments without sufficient evidence. We propose ASNER (Adaptive Semantic Neighborhoods and Evidence-Grounded Refinement for Software Architecture Recovery), based on responsibility-aware, project-adaptive relation modeling and evidence-grounded boundary verification. ASNER derives structured file responsibilities with an LLM, constructs semantic neighborhoods that adapt to repository scale and local similarity distributions, and augments a static dependency graph with selected semantic relations and weak directory cues. Community detection recovers the component backbone. A Responsibility-Ownership-Aware (ROA) Agent then examines uncertain boundary files using project-level responsibilities and traceable code evidence, changing assignments only when supported. Experiments on 12 open-source projects spanning C, C++, Java, and Python show that ASNER achieves the best macro-average on all five metrics on the common benchmark, improving ARI and c2c@66 over GAER-GAT by 19.5% and 32.9%, respectively. A downstream evaluation shows that ASNER-guided LocAgent improves file-, module-, and function-level code localization, demonstrating the value of its architectural context for repository-level software engineering tasks.
• Abstract（参考訳）: ソフトウェアアーキテクチャの自動リカバリは、ソフトウェアエンジニアリングとリポジトリレベルのLLMエージェントのためのアーキテクチャコンテキストを提供する。 既存の手法は構造的信号と意味的信号を組み合わせているが、機能的関連性は必ずしもアーキテクチャ上の責任を共有しているわけではない。 固定しきい値やTop-K地区もリポジトリのスケールや局所的な類似度分布を無視し、クラスタリングを通じて伝播するエラーを導入している。 制限のないLLMの改良は、十分な証拠のない正しい割り当てをさらに修正する可能性がある。 ASNER(Adaptive Semantic Neighborhoods and Evidence-Grounded Refinement for Software Architecture Recovery)を提案する。 ASNERは、LLMで構造化されたファイル責任を導出し、リポジトリのスケールとローカルの類似度分布に適応するセマンティックな地区を構築し、選択されたセマンティックリレーションと弱いディレクトリキューで静的な依存性グラフを拡張する。 コミュニティ検出はコンポーネントのバックボーンを回復する。 Responsibility-Ownership-Aware (ROA) Agentは、プロジェクトレベルの責任とトレース可能なコードエビデンスを使用して、不確実な境界ファイルを調べ、サポートされた場合にのみ割り当てを変更する。 C、C++、Java、Pythonにまたがる12のオープンソースプロジェクトの実験では、ASNERが共通のベンチマークで5つの指標で最高のマクロ平均を実現し、GAER-GATよりもARIとc2c@66を19.5%、32.9%改善した。 下流評価では、ASNER誘導のLocAgentがファイル、モジュール、関数レベルのコードローカライゼーションを改善し、リポジトリレベルのソフトウェアエンジニアリングタスクにおけるアーキテクチャコンテキストの価値を実証している。

関連論文リスト

• Semantic-Enhanced Automatic Refinement of Architecture Recovery Results Using LLMs [15.87039675625043]
  Semrefは、LCMと依存性分析を組み合わせたフレームワークで、既存のアーキテクチャ回復ツールによって復元されたアーキテクチャを自動的に洗練する。 Semrefは、正常化したゲインが17.72%から43.35%の範囲で、さまざまなメトリクスの精度を向上させる。
  論文  参考訳（メタデータ） (2026-07-26T17:51:23Z)
• Reversa: A Reverse Documentation Engineering Framework for Converting Legacy Software into Operational Specifications for AI Agents [0.0]
  本稿では,レガシソフトウェアをAIエージェントのトレーサブルな運用仕様に変換するためのリバースドキュメンテーションエンジニアリングフレームワークであるReversaを紹介する。 特殊なエージェントは、プロジェクト表面をマッピングし、モジュールを分析し、暗黙のルールを抽出し、アーキテクチャを合成し、ユニットレベルの仕様を書き、生成されたクレームをレビューする。 提案では,コードと仕様間のトレーサビリティ,明確な信頼性マーキング,人間の検証のためのギャップの保存という,3つのメカニズムを強調している。
  論文  参考訳（メタデータ） (2026-05-18T17:23:13Z)
• BLAgent: Agentic RAG for File-Level Bug Localization [2.2917707112773593]
  BLAgentはファイルレベルのバグローカライゼーションのための新しいエージェントRAGフレームワークである。 BLAgentは、オープンソースモデルで78%以上のTop-1精度を達成した。 BLAgentは、エンドツーエンドの修復の成功を20%以上改善する。
  論文  参考訳（メタデータ） (2026-05-18T07:20:13Z)
• ReCUBE: Evaluating Repository-Level Context Utilization in Code Generation [7.907933839674293]
  大規模言語モデル(LLM)は、エージェント探索またはフルコンテキスト生成を通じて大規模で動作する有能なコーディングアシスタントとして登場した。 ReCUBEは,LLMが残されているすべてのソースファイル,依存関係仕様,ドキュメントをコンテキストの唯一のソースとして使用して,実世界のリポジトリ内でマスクされたファイルを再構築するベンチマークである。 本稿では,エージェントフレームワークに統合可能な依存グラフベースのツールセットであるCaller-Centric Exploration (CCE)ツールキットを提案する。
  論文  参考訳（メタデータ） (2026-03-26T08:04:15Z)
• 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)
• From Completion to Editing: Unlocking Context-Aware Code Infilling via Search-and-Replace Instruction Tuning [81.97788535387286]
  本稿では,エージェントによる検証・編集機構を統一された単一パス推論プロセスに内部化するフレームワークを提案する。 最小限のデータで、SRI-Coderは、ChatモデルがBaseモデルの完了性能を上回ることができる。 FIMスタイルのチューニングとは異なり、SRIは一般的なコーディング能力を保持し、標準のFIMに匹敵する推論遅延を維持する。
  論文  参考訳（メタデータ） (2026-01-19T20:33:53Z)
• ArchAgent: Scalable Legacy Software Architecture Recovery with LLMs [44.137226823695066]
  ArchAgentはスケーラブルなエージェントベースのフレームワークで、静的解析、適応コードセグメンテーション、LLMによる合成を組み合わせている。 クロスリポジトリから、マルチビューでビジネスに整合したアーキテクチャを再構築する。 ArchAgentは、コンテキストプルーニングによるスケーラブルなダイアグラム生成を導入し、クロスリポジトリデータを統合して、ビジネスクリティカルなモジュールを識別する。
  論文  参考訳（メタデータ） (2026-01-19T12:39:05Z)
• Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem [90.17610617854247]
  本稿では,エージェントモデルの生産パイプラインを最適化する基盤インフラであるエージェント学習エコシステム(ALE)を紹介する。 ALEは、重量最適化のためのトレーニング後のフレームワークであるROLL、軌道生成のためのサンドボックス環境マネージャであるROCK、効率的なコンテキストエンジニアリングのためのエージェントフレームワークであるiFlow CLIの3つのコンポーネントで構成されている。 ROMEはALEが基盤として100万件以上のトラジェクトリをトレーニングしたオープンソースエージェントです。
  論文  参考訳（メタデータ） (2025-12-31T14:03:39Z)

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。