論文の概要: Hybrid LLM-Deterministic Pipelines for Enterprise-Scale Code Migration at Bloomberg
- arxiv url: http://arxiv.org/abs/2611.05457v1
- Date: Tue, 03 Nov 2026 18:55:28 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-06 03:25:57.812124
- Title: Hybrid LLM-Deterministic Pipelines for Enterprise-Scale Code Migration at Bloomberg
- Title(参考訳): Bloombergの大規模コードマイグレーションのためのハイブリッドLCM-決定論的パイプライン
- Abstract要約: 大規模な組織は、機能的な仕事と競合するほど急を要することはめったにないが、実施する価値のあるインフラ移行の長いテールを担っている。
この記事では,数千のBloombergリポジトリにわたるLSM支援マイグレーションパイプラインを適用した,月単位の取り組みであるAutomated Upliftでの経験について報告する。
- 参考スコア(独自算出の注目度): 5.468273554304953
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Large organizations carry a long tail of infrastructure migrations that are worth doing but rarely urgent enough to compete with feature work, because each one costs significant engineering time per repository. This paper reports on our industrial experience from Automated Uplift, a multi-month initiative applying LLM-assisted migration pipelines across thousands of Bloomberg repositories. We examine two distinct production campaigns: a heterogeneous Python packaging migration (approx. 1,900 candidate repositories) and a uniform C++ build system migration (approx. 6,700 candidate repositories). Together, these campaigns generated 2,333 pull requests, resulting in 729 successful migrations. We detail our hybrid architectural solution which maximizes deterministic processing, confines the LLM to bounded file transformations within a pre-computed context, and incorporates runtime production telemetry (such as execution logs and usage traces). Our findings show that generating migrations turned out to be the easier part; the bottleneck was the cost, for owning teams, of reviewing, testing, and deploying them. These costs were lowered when changes could be verified directly in the pipeline before opening a PR (as with C++ compilation and test validation), and when the population was uniform enough for fixes to carry over from one repository to the next. We conclude by distilling our experience and findings into actionable, transferable patterns for architecting hybrid LLM-deterministic pipelines and scaling code migrations across the enterprise
- Abstract(参考訳): 大規模な組織では,機能的な作業と競合する上で十分な緊急性を持つインフラストラクチャマイグレーションが数多く実施されている。
本稿では,数千のBloombergリポジトリにLLM支援マイグレーションパイプラインを適用した,月単位の取り組みであるAutomated Upliftの産業経験について報告する。
異種Pythonパッケージング移行(約1,900の候補リポジトリ)とC++ビルドシステム移行(約6,700の候補リポジトリ)の2つの異なる運用キャンペーンについて検討する。
これらのキャンペーンは2,333件のプルリクエストを生成し、729件の移行に成功した。
決定論的処理を最大化し、あらかじめ計算されたコンテキスト内でLLMを境界ファイル変換に限定し、実行時の実運用テレメトリ(実行ログや利用トレースなど)を組み込んだハイブリッドアーキテクチャソリューションについて詳述する。
ボトルネックは、チームの所有、レビュー、テスト、デプロイのコストでした。
これらのコストは、PRを開く前にパイプライン内で変更を直接検証できる場合(C++コンパイルとテスト検証の場合のように)、また、修正が1つのリポジトリから次のリポジトリに受け継がれるほど人口が均一であった場合、低下した。
LLM-決定論的パイプラインを設計し、企業全体のコードマイグレーションをスケールするために、私たちの経験と成果を実行可能な、移行可能なパターンに精査することで、私たちは結論付けます。
関連論文リスト
- Entropy-based Code Adversarial Translation for Real-world Repository Migration [8.116680244752237]
We propose Entropy-based Code Adversarial Translation (ECAT) for Android-to-HarmonyOS repository migration。
ECATは、ジェネレータ-ディスクリミネータアーキテクチャによる逆エントロピー最小化としてリポジトリマイグレーションを定式化する。
A2H-RepoBenchは、Android-to-HarmonyOSリポジトリ移行のための最初の実世界のベンチマークです。
論文 参考訳(メタデータ) (2026-08-10T08:29:29Z) - SPELL: Synthesis of Programmatic Edits using LLMs [10.41623927140964]
ライブラリのマイグレーションは、ソフトウェア開発において一般的ながエラーを起こしやすいタスクである。
上述した制限を横取りする,自動APIマイグレーションに対する新たなアプローチを提案する。
論文 参考訳(メタデータ) (2026-02-01T09:03:56Z) - MEnvAgent: Scalable Polyglot Environment Construction for Verifiable Software Engineering [54.236614097082395]
本稿では,自動環境構築のためのフレームワークであるMEnvAgentを紹介する。
MEnvAgentは、建設失敗を自律的に解決するマルチエージェント計画実行検証アーキテクチャを採用している。
MEnvData-SWEは,これまでで最大の,現実的な検証可能なDocker環境のポリグロットデータセットである。
論文 参考訳(メタデータ) (2026-01-30T11:36:10Z) - Migrating Code At Scale With LLMs At Google [0.0]
Googleでは,大規模で費用がかかる従来型の手動マイグレーションプロジェクトについて論じている。
変更位置探索と大規模言語モデル(LLM)を用いて開発者が移行を行うのを支援する新しい自動アルゴリズムを提案する。
我々のLLM支援ワークフローは、同様のイニシアチブのモデルとして機能する可能性が示唆された。
論文 参考訳(メタデータ) (2025-04-13T18:52:44Z) - WorkflowLLM: Enhancing Workflow Orchestration Capability of Large Language Models [105.46456444315693]
ワークフローオーケストレーションにおける大規模言語モデルの能力を高めるための,データ中心のフレームワークであるLLMを提案する。
最初は106,763のサンプルで大規模な微調整Benchを構築し、28のカテゴリにわたる83のアプリケーションから1,503のAPIをカバーしている。
LlamaLlamaは複雑なAPIをオーケストレーションする能力を示しながら、優れた一般化性能を実現している。
論文 参考訳(メタデータ) (2024-11-08T09:58:02Z) - Example-Based Automatic Migration of Continuous Integration Systems [2.2836654317217326]
継続的インテグレーション(CI)は、コード変更の統合とテストの高速化に広く採用されているプラクティスです。
開発者はしばしば、マトリックスの構築やロギングの改善といった機能を追求して、CIシステム間で移行する。
この移行は、新しいCIシステムとその構文に関する知識が限られているため、集中的かつエラーを起こしやすい。
本稿では,CIシステムの自動マイグレーションのための新しいアプローチとして,CIMigを提案する。
論文 参考訳(メタデータ) (2024-07-02T20:19:21Z) - Get my drift? Catching LLM Task Drift with Activation Deltas [55.75645403965326]
タスクドリフトは攻撃者がデータを流出させたり、LLMの出力に影響を与えたりすることを可能にする。
そこで, 簡易線形分類器は, 分布外テストセット上で, ほぼ完全なLOC AUCでドリフトを検出することができることを示す。
このアプローチは、プロンプトインジェクション、ジェイルブレイク、悪意のある指示など、目に見えないタスクドメインに対して驚くほどうまく一般化する。
論文 参考訳(メタデータ) (2024-06-02T16:53:21Z) - ML-Bench: Evaluating Large Language Models and Agents for Machine Learning Tasks on Repository-Level Code [76.84199699772903]
ML-Benchは、既存のコードリポジトリを利用してタスクを実行する現実世界のプログラミングアプリケーションに根ざしたベンチマークである。
LLM(Large Language Model)とAIエージェントの両方を評価するために、事前に定義されたデプロイメント環境でLLMのテキスト-コード変換を評価するML-LLM-Benchと、Linuxサンドボックス環境でエンドツーエンドのタスク実行で自律エージェントをテストするML-Agent-Benchの2つの設定が採用されている。
論文 参考訳(メタデータ) (2023-11-16T12:03:21Z)
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。