From Diagram to Deployment: Translating BPMN Collaborations into X-Klaim for Efficient Multi-Robot System Programming
本文提出将BPMN图自动翻译为X-Klaim代码的方法,结合两者优势,提升多机器人系统编程的易用性与可维护性,并推出B2XKLAIM工具。
2023-11-14 cs.RO cs.SE
An approach to translating Haskell programs to Agda and reasoning about them
我们使用Agda程序设计语言和证明助手来正式验证基于HotStuff / LibraBFT的拜占庭容错共识实现的正确性。Agda实现是我们基于LibraBFT的Haskell实现的翻译。这篇简短的论文集中在这项工作的一个方面。我们开发了一个库,使翻译后的Agda实现能够紧密地反映它所基于的Haskell代码。这使得更容易和更有效地审查翻译的准确性,并在Haskell代码更改时维护翻译的Agda代码,从而降低翻译错误的风险。我们还解释了我们如何捕捉我们的库提供的语法功能的语义,从而使正式的推理程序使用它们,我们如何推理所产生的Agda实现的细节将在未来的论文。我们提供的库独立于我们的特定验证项目,并且是开源的,可供其他人使用和扩展。
2022-05-18 cs.LO cs.PL cs.SE
Multilingual Code Co-Evolution Using Large Language Models
UT Austin(德克萨斯大学奥斯汀分校)
本文提出使用大型语言模型Codeditor将代码更改从一种编程语言翻译到另一种编程语言的新任务,该模型将代码更改建模为编辑序列并学习跨语言关联,在6613个对齐代码更改语料库上大幅优于现有方法。
2023-09-11 cs.AI cs.SE
Translating C To Rust: Lessons from a User Study
通过人工将真实 C 程序翻译为 Rust 的用户研究,发现人类能生成安全代码并采用零成本静态抽象等多样策略,可为改进自动翻译工具提供启示。
2024-12-06 cs.CR cs.PL cs.SE
TRACTOR Benchmark for Evaluating C to Rust Translators
Massachusetts Institute of Technology(麻省理工学院)
TRACTOR基准由MIT林肯实验室开发,用于系统评估C到Rust翻译工具,包含渐进式测试组和里程碑项目,并提供评估正确性、安全性、惯用性和性能的公开基础设施。
2026-09-23 cs.CR cs.PL cs.SE
Lost in Translation: A Study of Bugs Introduced by Large Language Models while Translating Code
本文通过大规模实证研究系统评估了大语言模型在C、C++、Go、Java和Python间代码翻译中的表现,识别出15类翻译缺陷,并提出基于错误症状的提示构造方法,将翻译性能平均提升5.5%。
2024-01-16 cs.SE
CodeRosetta: Pushing the Boundaries of Unsupervised Code Translation for Parallel Programming
Cisco Outshift(思科Outshift);Google DeepMind(谷歌DeepMind);Iowa State University(爱荷华州立大学)
本文提出 CodeRosetta 编码器-解码器模型,利用定制预训练与训练目标实现编程语言及其 HPC 扩展的双向无监督翻译,在 C++-CUDA 和 Fortran-并行 C++ 任务上显著优于现有 LLM。
2024-10-27 cs.AI cs.DC cs.LG
Translation Tag Team: Formal Rules and LLMs Translate More Macros Together than Apart
University of Central Florida(中佛罗里达大学)
该研究提出形式化翻译器MerC,结合MerC与大语言模型(LLMs)的搭档方法,在宏翻译任务中比单独使用任一技术更优,可降低失败率并提升翻译覆盖率。
2026-08-10 cs.SE
2LS for Program Analysis
2LS(“tools”)是一个基于CPROVER框架的C程序验证工具。它允许验证用户指定的断言,内存安全属性(例如缓冲区溢出),数值溢出,除以零,内存泄漏和终止属性。分析是通过将验证任务转换为二阶逻辑公式,包括位向量、数组和浮点算术理论来执行的。该公式是解决了一个模块化的组合算法,涉及展开和基于模板的不变合成的帮助下,增量SAT解决。2LS的优点包括其非常快速的增量有界模型检验算法和其灵活的框架,用于试验新的分析和抽象思想的不变推理。缺点是它缺乏对某些程序特性的支持(例如多线程)。
2023-02-05 cs.LO cs.PL cs.SE
Assessing the Latent Automated Program Repair Capabilities of Large Language Models using Round-Trip Translation
Simula Research Laboratory(Simula研究实验室)
本研究探索利用往返翻译(RTT)通过大语言模型进行自动化程序修复,发现该方法能生成合理补丁,并可作为APR框架的补充组件。
2025-10-15 cs.CL cs.LG cs.SE
Syntax and Domain Aware Model for Unsupervised Program Translation
Beihang University(北京航空航天大学);Peking University(北京大学)
随着软件的发展和社会的进步,软件迁移越来越受到人们的关注.在不同语言之间手动迁移项目容易出错且成本高昂。近年来,研究人员开始探索使用监督深度学习技术,通过从大规模并行代码语料库中学习来实现自动程序翻译。然而,并行资源在程序设计语言领域中是稀缺的,并且手动收集双语数据是昂贵的。为了解决这个问题,提出了几个无监督的编程翻译系统。但是,这些系统仍然依赖于庞大的单语源代码来进行训练,这是非常昂贵的。此外,这些模型不能很好地翻译在预训练过程中看不到的语言。在本文中,我们提出了SDA-Trans,语法和领域感知的程序翻译模型,它利用语法结构和领域知识,以提高跨语言迁移能力。SDA-Trans在较小规模的语料库上采用无监督训练,包括Python和Java单语程序。Python、Java和C++之间的函数翻译任务的实验结果表明,SDA-Trans的性能优于许多大规模的预训练模型,特别是对于看不见的语言翻译。
2023-03-10 cs.AI cs.SE
Exploring Large Language Models for Translating Romanian Computational Problems into English
University of Bucharest(布加勒斯特大学);Softbinator;UiPath;It Just Works Inc.;QPillars
本文评估多种LLM在结构化提示与人工监督下将罗马尼亚语信息学竞赛题翻译为英语的准确性和稳定性,并扩充OJI双语数据集,证明其可接近人工翻译质量。
2025-01-09 cs.CL cs.LG cs.SE
The role of formalism in system requirements (full version)
软件系统质量的一个主要决定因素是其需求的质量,这些需求应该是可理解的和精确的。大多数需求都是用自然语言编写的,这有利于理解,但缺乏精确性。为了使需求精确,研究人员多年来一直提倡使用基于几何学的符号和方法,称为“形式化”。有许多标准,其风格、范围和适用性各不相同。本调查讨论了一些主要的正式方法,并将其与非正式方法进行了比较。分析使用了一组9个补充标准,例如抽象级别、工具可用性、可追溯性支持。它将方法分为五类:通用,自然语言,图形/自动机,其他数学符号,无缝(基于编程语言)。它提供了所有这些类别的方法,总共22种不同的方法,包括例如SysML,Relax,Eiffel,Event-B,Alloy。该综述讨论了一些悬而未决的问题,包括无缝性、工具和教育的作用,以及如何使工业应用更多地受益于正式方法的贡献。(This是调查的完整版本,包括部分章节和两个附录,由于篇幅限制,没有出现在提交的版本中。
2020-04-16 cs.FL cs.PL cs.SE
Towards Fully Declarative Program Analysis via Source Code Transformation
逻辑编程的进步和越来越多的工业采用Datalog启发的方法表明,越来越需要更容易地表达强大的代码分析。声明式程序分析框架(例如,使用逻辑编程(如Datasheet),与命令式实现相比,大大简化了定义分析。然而,这些框架的声明性好处只有在解析和翻译源代码以生成事实之后才能实现。事实生成仍然是分析的非声明性先驱,其中命令式实现首先解析和解释程序结构(例如,抽象语法树和控制流图)。因此,事实生成程序仍然不透明,非专家难以理解或修改。我们提出了一个新的视角,这个分析工作流程,提出声明性的事实生成,以减轻规范和探索轻量级声明性分析。我们的方法展示了跨多种语言的完全声明式分析规范的第一次冒险。其关键思想是使用声明性语法转换将源代码直接转换为分析域中的数据库事实。然后,我们在生成的事实上重用现有的Datasheet分析,产生端到端的声明性管道。作为第一近似,我们追求语法驱动的方法,并证明了生成和使用轻量级版本的活性和调用图可达性属性的可行性。然后,我们讨论了扩展声明性事实生成,也将语义信息的可操作性。
2021-12-23 cs.PL cs.SE
Towards the Ultimate Programming Language: Trust and Benevolence in the Age of Artificial Intelligence
Warsaw University of Technology(华沙理工大学)
本文提出面向AI时代的“终极编程语言”愿景,通过自然语言需求、系统定义语言与性能优化代码三层流程,在隐藏实现细节的同时保障人类理解与控制,并以信任、可靠性和善意促进人机协作。
2024-11-29 cs.AI cs.CY cs.HC
Natural Language to Code Translation with Execution
Meta AI;Toyota Technological Institute at Chicago(芝加哥丰田技术研究院);Carnegie Mellon University(卡内基梅隆大学);University of Washington(华盛顿大学)
在大型程序语料库上预训练的代码生成模型在将自然语言转换为代码方面已经显示出巨大的成功(Chen et al.,2021; Austin等人,2021年; Li等人,2022年,除其他外)。虽然这些模型没有明确地结合程序语义(即,执行结果),在培训期间,他们能够对许多问题产生正确的解决方案。然而,选择一个正确的程序从每个问题的生成集仍然具有挑战性。在这项工作中,我们引入了基于执行结果的最小贝叶斯风险解码(MBR-EXEC)的程序选择,并表明它提高了自然语言到代码任务的预训练代码模型的Few-Shot性能。我们选择输出程序从一个产生的候选人集边缘化的程序实现,共享相同的语义。由于精确等价是棘手的,我们执行每个程序上的少量测试输入近似语义等价。跨数据集,执行或模拟执行显著优于不涉及程序语义的方法。我们发现,MBR-EXEC一贯改善所有执行不知情的选择方法,这表明它是一种有效的方法,自然语言的代码翻译。我们在github.com/facebookresearch/mbr-exec上开源我们的代码,在dl.fbaipublicfiles.com/mbr-exec/mbr-exec-release.zip上开源我们的数据
2022-11-01 cs.CL cs.SE
Comparing large language models and human programmers for generating programming code
Columbia University(哥伦比亚大学);Duke University(杜克大学)
本研究系统评估了七种大型语言模型的代码生成能力,发现GPT-4在多种提示策略、语言和难度下显著优于其他模型,并在编码竞赛中胜过85%的人类参与者,代码效率与人类相当,显示出作为编程助手的潜力。
2024-10-05 cs.AI cs.CL cs.PL
Formal Specifications from Natural Language
Stanford University(斯坦福大学);CISPA Helmholtz Center for Information Security(CISPA亥姆霍兹信息安全中心);Saarland University(萨尔兰大学)
研究了将自然语言转换为具有复杂语义的形式化规范时语言模型的泛化能力。特别是,我们在三个由英语句子及其相应的形式表示组成的数据集上微调语言模型:1)正则表达式(regex),常用于编程和搜索; 2)一阶逻辑(FOL),常用于软件验证和定理证明; 3)线性时间时态逻辑(LTL),它构成了工业硬件规约语言的基础。我们的实验表明,在这些不同的领域,语言模型保持其泛化能力,从自然语言的预训练知识到泛化,例如,新变量名或运算符描述。此外,它们实现了具有竞争力的性能,甚至在转换为正则表达式方面优于最先进的技术,其优点是易于访问,有效地进行微调,并且不需要特定于域的推理。
2022-10-19 cs.LG cs.PL cs.SE
CRIL: A Concurrent Reversible Intermediate Language
提出CRIL,一种并发可逆中间语言,通过扩展RIL并引入多线程进程调用与P-V同步原语,实现了高级并发程序到低级并发语言的保持可逆性翻译,并证明了其操作语义的因果安全与活性。
2023-09-13 cs.PL cs.SE
Kaizen: Metamorphic Fuzzing and Differential Testing for LLM-Translated HPC Applications
Oregon State University(俄勒冈州立大学);Oak Ridge National Laboratory(橡树岭国家实验室)
研究大语言模型驱动的高性能计算应用代码翻译的正确性评估,提出用变质模糊测试和差分测试框架Kaizen,经源码变异、语法输入模糊等生成等价程序,暴露语义差异,评估揭示了编译成功与正确性的关系。
2026-07-07 cs.PL cs.SE
SAR: Learning Cross-Language API Mappings with Little Knowledge
Singapore Management University(新加坡管理大学);The Open University(开放大学)
为了节省手工工作,开发人员经常将程序从一种程序设计语言翻译成另一种,而不是从头开始实现它。将一种语言中使用的应用程序接口(API)转换为另一种语言中可用的功能等效的API是程序翻译的一个重要方面。现有方法通过自动识别跨程序设计语言的API映射来促进转换。然而,所有这些方法在准备并行程序语料库时仍然需要大量的手动工作,范围从成对的API到被认为是功能等效的不同语言的手动识别代码。为了最大限度地减少手动识别并行程序语料库和API映射的工作,本文旨在在一个自动化的方法来映射API跨语言的先验知识少得多,需要比其他现有的方法。该方法基于域自适应与代码嵌入相结合的概念的实现,它可以更好地对齐两个向量空间:以大型程序集作为输入,我们的方法首先生成程序的数字向量表示,特别是每种语言中使用的API,并适应生成对抗网络(GAN)来对齐两种语言空间的向量。为了更好地对齐,我们使用从可选的API映射种子导出的参数来初始化GAN,这些API映射种子可以通过简单的基于签名的自动匹配启发式算法来准确识别。然后,可以通过对齐的向量空间中的最近邻查询来识别跨语言API映射。
2019-06-10 cs.LG cs.SE stat.ML
LLMigrate: Transforming "Lazy" Large Language Models into Efficient Source Code Migrators
LLMigrate通过函数级拆分与静态分析,结合GPT-4o和编译器驱动修复,实现高效C到Rust迁移,在Linux内核模块上仅需修改少于15%代码,显著优于纯GPT-4o方法。
2025-03-31 cs.PL cs.SE
Program Skeletons for Automated Program Translation
National University of Singapore(新加坡国立大学)
本文提出了一种基于程序骨架(program skeletons)的自动化跨语言程序翻译方法,通过抽象高级结构并保留功能不变性,结合数据驱动代码合成器实现可靠分解,并在Python到JavaScript的原型系统Skel中验证了其可扩展性与高正确率。
2025-04-22 cs.AI cs.PL cs.SE
Refactoring Programs Using Large Language Models with Few-Shot Examples
University of Aizu(会津大学);Tohoku University(东北大学);NTT Communication Science Laboratories(NTT通信科学实验室)
本文提出用GPT-3.5并依据单样本评估为Python程序选择适配的少样本重构示例,实验表明可在保证语义正确的同时显著降低复杂度与代码行数。
2023-11-20 cs.AI cs.CL cs.PL
A Behavior Tree-inspired programming language for autonomous agents
针对传统行为树模型随应用规模扩大显现的功能局限,本文提出受行为树启发的自主智能体函数式编程语言,解决响应式选择等核心问题并给出规范与Haskell实现,验证了其处理复杂行为的能力。
2024-11-26 cs.AI cs.PL cs.RO
$Classi|Q\rangle$ Towards a Translation Framework To Bridge The Classical-Quantum Programming Gap
University of Rome Tor Vergata(罗马第二大学);University of Oulu(奥卢大学);Aalto University(阿尔托大学)
本文提出 $Classi|Q\ angle$ 翻译框架,通过将 Python 或 C++ 等高级语言翻译为 Quantum Assembly 等低级语言,降低量子编程门槛,并规划了支持更多量子语言、优化策略和平台集成的未来路线。
2024-07-01 cs.CL cs.ET cs.PL
Guaranteed Guess: A Language Modeling Approach for CISC-to-RISC Transpilation with Testing Guarantees
MBZUAI(人工智能研究所);Cornell University(康奈尔大学)
本研究提出GG转译流水线,结合大语言模型与软件测试框架实现CISC到RISC的ISA代码转译,在高测试覆盖率下取得不错的正确性,且性能、能效和内存表现优于Rosetta 2,将开源相关资源。
2025-06-17 cs.AR cs.CL cs.LG
Hierarchical Learning of Cross-Language Mappings through Distributed Vector Representations for Code
Singapore Management University(新加坡管理大学)
将用一种程序设计语言编写的程序翻译成另一种语言对于需要用不同语言实现功能的软件开发任务可能是有用的。虽然过去的研究已经考虑了这个问题,但它们可能是特定于语言语法的,或者是特定于某些类型的代码元素(例如,令牌、短语、API使用)。本文提出了一种新的方法来自动学习跨语言表示的各种结构化代码元素,可用于程序翻译。我们的关键思想是两个折叠:首先,我们规范化和丰富的代码令牌流与额外的结构和语义信息,并训练跨语言的向量表示的令牌(又名。基于word 2 vec的共享嵌入,word 2 vec是一种用于产生词嵌入的基于神经网络的技术;其次,从自底向上的分层地,我们为更高粒度级别的代码元素构建共享嵌入(例如,表达式、语句、方法)从其组成部分的嵌入中提取,然后根据嵌入之间的相似性在跨语言的代码元素之间建立映射。我们对9个软件项目的约40,000个Java和C#源文件的初步评估表明,我们的方法可以自动学习不同语言中各种代码元素的共享嵌入,并以合理的平均精度分数识别它们的跨语言映射。与现有的映射库API方法的工具相比,我们的方法可以准确地识别更多的映射。映射结果和代码可以在https://github.com/bdqnghi/hierarchical-programming-language-mapping上访问。我们相信,我们的想法,学习跨语言的向量表示与代码结构信息可以是一个有用的一步,自动程序翻译…
2018-03-13 cs.CL cs.LG cs.SE
Mostly Automatic Translation of Language Interpreters from C to Safe Rust
National University of Singapore(新加坡国立大学);Amazon(亚马逊)
提出Reboot技术,通过特征约简和多智能体架构,将C语言解释器大部分自动翻译为安全Rust,消除内存漏洞,验证测试通过率62%-92%。
2026-06-26 cs.MA cs.PL cs.SE