Project-Level C-to-Rust Translation via Pointer Knowledge Graphs
Fudan University(复旦大学);Nanyang Technological University(南洋理工大学)
本文提出基于指针知识图谱的项目级C到Rust翻译方法PtrTrans,通过增强代码依赖图的指针语义,提升生成Rust代码的安全性和正确性,实验表明其在安全性与功能性上均优于现有方法。
2026-05-12 cs.AI cs.SE
RustMap: Towards Project-Scale C-to-Rust Migration via Program Analysis and LLM
针对C到Rust迁移中现有工具生成代码不安全、难维护的问题,提出依赖引导结合LLM的RustMap方法,通过分块翻译、测试反馈迭代优化,生成更安全、符合惯用规范的可运行Rust代码,实验效果优于现有工具。
2025-03-22 cs.SE
Ownership guided C to Rust translation
Rust被称为更安全的C,是一种现代程序设计语言,它结合了内存安全和低级控制。这种有趣的组合使得Rust在开发人员中非常受欢迎,并且将遗留代码库(通常在C中)迁移到Rust的趋势越来越明显。在本文中,我们提出了一种以静态所有权分析为中心的C到Rust转换方法。我们设计了一套分析,推断C指针的所有权模型,并自动将指针转换为安全的Rust等价物。由此产生的工具Crown可扩展到真实世界的代码库(不到10秒即可完成50万行代码),并实现了高转换率。
2023-03-18 cs.PL cs.SE
RustRepoTrans: Repository-level Code Translation Benchmark Targeting Rust
Sun Yat-sen University(中山大学);Fudan University(复旦大学)
针对现有代码翻译基准缺乏仓库级上下文和增量翻译场景的问题,提出RustRepoTrans基准,含375个任务,评估七个LLM,发现DeepSeek-R1最佳但性能仍受仓库上下文影响。
2025-10-17 cs.SE
From Translation to Superset: Benchmark-Driven Evolution of a Production AI Agent from Rust to Python
本文提出一种基于LLM的持续代码翻译方法,将Rust生产代码库迁移至Python,通过基准驱动迭代优化,实现功能扩展与性能提升。
2026-04-13 cs.AI cs.SE
SmartC2Rust: Iterative, Feedback-Driven C-to-Rust Translation via Large Language Models for Safety and Equivalence
The University of Tokyo(东京大学);Johns Hopkins University(约翰斯·霍普金斯大学)
SmartC2Rust通过迭代反馈机制利用大语言模型实现C到Rust的翻译,提升内存安全性和语义等价性。
2025-12-01 cs.SE
Search-Based Multi-Trajectory Refinement for Safe C-to-Rust Translation with Large Language Models
Korea University(高丽大学);University of Houston(休斯顿大学);SUNY Korea(纽约州立大学韩国分校);Virginia Tech(弗吉尼亚理工大学)
本文提出LAC2R方法,利用MCTS系统探索多轨迹优化,提升C到Rust转换的安全性和准确性,实验表明其在大规模和小规模基准测试中均表现优异。
2026-04-06 cs.PL cs.SE
Code Quality Analysis of Translations from C to Rust
North Carolina State University(北卡罗来纳州立大学);Columbia University(哥伦比亚大学)
本文研究了三种C到Rust翻译器的代码质量,发现尽管新技术减少了部分问题,但引入了新的问题,揭示了翻译质量的多维挑战。
2026-01-31 cs.SE
Translating Large-Scale C Repositories to Idiomatic Rust
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Shanghai Jiao Tong University(上海交通大学)
Rustine是一种高效自动化的C到idiomatic Rust翻译工具,实现了高质量的功能等价性,比现有方法更安全、更idiomatic且更易读。
2025-11-25 cs.PL cs.SE
Integrating Rules and Semantics for LLM-Based C-to-Rust Translation
针对LLM直接翻译C到Rust时难以遵循语法规则和保持语义一致性的问题,提出集成规则与语义的框架IRENE,通过规则增强检索、结构化摘要和错误驱动翻译三模块提升翻译准确性与安全性。
2025-08-09 cs.SE
Towards Reliable C-to-Rust Translation with Rule-Guided Reasoning and Reinforcement Learning
Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳));Huawei Software Engineering Application Technology Lab(华为软件工程应用技术实验室)
研究旨在解决利用大语言模型进行C到Rust自动翻译时存在的问题,提出TRAVEL框架,通过规则引导推理和强化学习两个模块,在多个数据集上评估,该框架提升了翻译准确率、成功率并降低不安全率。
2026-07-23 cs.SE
Decompiling Rust: An Empirical Study of Compiler Optimizations and Reverse Engineering Challenges
本文通过基准驱动评估与自动化评分框架,量化分析 Rust 核心特性及构建模式对反编译质量的影响,并结合案例揭示泛型、trait 和错误处理带来的逆向挑战。
2025-07-24 cs.PL cs.SE
Translator vs. Challenger: Adversarial Agentic Learning for C-to-Rust Translation
Shanghai Jiao Tong University(上海交通大学)
针对C到Rust翻译中经验见解缺乏鲁棒性的问题,提出对抗性智能体学习框架TRAIL,通过翻译者与挑战者协作及双层对抗学习,将痕迹经验转化为可复用知识,在基准上显著提升翻译准确率。
2026-09-15 cs.SE
C2RustXW: Program-Structure-Aware C-to-Rust Translation via Program Analysis and LLM
State Key Laboratory for Novel Software Technology, Nanjing University(南京大学新型软件技术重点实验室);Jiangsu Police Institute(江苏警官学院)
本文提出C2RustXW工具,通过程序分析与LLM结合,实现结构感知的C到Rust翻译,提高代码正确性和可维护性,实验显示在CodeNet和GitHub上达到高语法正确率和代码压缩效果。
2026-03-30 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
From C to Idiomatic Rust: A Ship-of-Theseus Agentic Translation
Huawei Technologies Research & Development (UK) Ltd(华为技术有限公司英国研究与开发部)
本文提出一种智能体AI驱动的结构化C到Rust迁移工作流,先生成语义保留的非地道Rust基线,再逐步重写为地道Rust,经12.5千行代码的iodine验证可实现可靠迁移。
2026-08-03 cs.OS cs.PL cs.SE
Forcrat: Automatic I/O API Translation from C to Rust via Origin and Capability Analysis
KAIST(韩国科学技术院);Yale University(耶鲁大学)
针对现有C到Rust翻译器C2Rust保留libc函数调用的问题,提出起源与能力分析、错误源分析两种静态分析技术,实现I/O API自动替换,在正确性、效率和适用性上表现优异。
2025-10-30 cs.SE
ORBIT: Guided Agentic Orchestration for Autonomous C-to-Rust Transpilation
Stony Brook University(石溪大学);Amazon Web Services(亚马逊云科技);University of California, Davis(加州大学戴维斯分校)
ORBIT 提出一种自主代理框架,通过动态上下文收集和依赖引导 orchestration 实现项目级 C到Rust转换,显著提升大规模代码转换的准确性和安全性。
2026-04-13 cs.SE
Static analysis-guided agentic AI translation enables Rust as a full stack bioinformatics language
Umeå University(于默奥大学);Science for Life Laboratory (SciLifeLab)(生命科学实验室(SciLifeLab))
该研究结合智能体AI与静态分析,将生物信息学遗留代码翻译为Rust,在Bascet软件上实现规模、构建时间、性能的显著优化,且支持原生Windows运行,为生物信息学软件大规模重构提供了低成本方案。
2026-08-14 cs.AI cs.SE q-bio.GN
ENCRUST: Encapsulated Substitution and Agentic Refinement on a Live Scaffold for Safe C-to-Rust Translation
Korea University(高丽大学);University of Houston(休斯顿大学);State University of New York Korea(纽约州立大学韩国分校)
ENCRUST通过封装替换和代理细化方法,解决C到Rust翻译中的类型不匹配和不安全构造问题,通过ABI保持封装模式和整体代码库验证,实现安全且可编译的转换。
2026-04-06 cs.AI cs.PL cs.SE
Conveying Imagistic Thinking in Traditional Chinese Medicine Translation: A Prompt Engineering and LLM-Based Evaluation Framework
Zhejiang University(浙江大学)
本文提出一种基于提示工程和LLM的评估框架,用于提升传统中医翻译中隐喻和转喻的传达效果,通过人机协同方法实现高效且可复制的翻译路径。
2025-12-09 cs.AI cs.CL
Dependency-Guided Repository-Level C-to-Rust Translation with Reinforcement Alignment
Southeast University(东南大学);The Chinese University of Hong Kong(香港中文大学);Zhejiang University(浙江大学);Peking University(北京大学);Huawei(华为)
提出DepTrans框架,通过强化对齐语法训练和依赖引导迭代精炼,实现仓库级C到Rust的高效翻译,编译成功率和计算准确性分别提升22.8和17.3个百分点。
2026-06-02 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
Towards Translating Real-World Code with LLMs: A Study of Translating to Rust
针对大语言模型(LLMs)在现实世界代码翻译中有效性未充分研究的问题,本研究评估了五个先进LLMs对现实开源项目代码向Rust的翻译能力,开发FLOURINE工具验证I/O等价性,发现最优LLM能翻译47%的基准代码并为改进提供方向。
2025-04-17 cs.SE
Machine Translation with Large Language Models: Prompt Engineering for Persian, English, and Russian Directions
University of Isfahan(伊斯法罕大学)
本文研究波斯语、英语和俄语机器翻译中的提示工程,发现PaLM等多语言LLM可产生接近人工水平的翻译,并系统分类了LLM翻译错误,为上下文学习提示设计提供指导。
2024-01-16 cs.AI cs.CL cs.HC
Natural-Language to SysMLv2 Translation via Conformance-Driven Iterative Refinement
Carnegie Mellon University(卡内基梅隆大学);Virginia Tech(弗吉尼亚理工大学)
研究自然语言到SysMLv2的翻译,提出由一致性检查器驱动的框架,在生成-检查-修复循环中嵌入检查器,以生产级接受为终止条件,经评估,该方法相比单次生成大幅提高了生产一致性。
2026-09-15 cs.AI cs.SE
Asm2SrcEval: Evaluating Large Language Models for Assembly-to-Source Code Translation
Canadian Institute for Cybersecurity(加拿大网络安全研究所);University of New Brunswick(新不伦瑞克大学);Faculty of Computer Science(计算机科学学院)
本文提出Asm2SrcEval基准,评估五种先进大语言模型在汇编到源代码翻译任务中的性能,揭示模型在文本相似性、流畅性和效率上的权衡,为程序翻译的准确性和效率研究提供基础。
2025-11-28 cs.AI cs.SE
InterTrans: Leveraging Transitive Intermediate Translations to Enhance LLM-based Code Translation
InterTrans提出利用跨语言中间翻译序列,通过ToCT算法规划并验证,增强LLM代码翻译,在三个基准上较直接翻译提升18.3%-43.3%的计算准确率。
2024-11-05 cs.AI cs.SE
SafeTrans: LLM-assisted Transpilation from C to Rust
Stony Brook University(石溪大学);Amazon Web Services(亚马逊云服务);University of California, Davis(加州大学戴维斯分校)
本文提出SafeTrans框架,利用LLM自动将C代码转换为Rust代码并修复错误,通过引导修复技术提升转换成功率,并评估转换过程中的安全影响。
2026-04-22 cs.CR cs.SE
RustAssure: Differential Symbolic Testing for LLM-Transpiled C-to-Rust Code
University of California, Davis(加州大学戴维斯分校)
RustAssure利用LLM自动将C代码转译为Rust,并通过差分符号测试验证语义等价性,在真实应用中为89.8%的C函数生成可编译Rust代码,其中69.9%符号返回值等价。
2025-10-08 cs.SE
To Tag, or Not to Tag: Translating C's Unions to Rust's Tagged Unions
针对C2Rust翻译生成代码中未解决的联合体不安全问题,提出基于静态分析的替换技术,通过识别标记字段将C联合体转为Rust标记联合体,在真实程序上验证了其精确性、正确性与高效性。
2024-09-16 cs.SE
Evaluating and Improving Automated Repository-Level Rust Issue Resolution with LLM-based Agents
Research Institute of Trustworthy Autonomous Systems, Southern University of Science and Technology(南方科技大学可信自主系统研究院);Southern University of Science and Technology(南方科技大学);Ant Group(蚂蚁集团)
本研究提出RUSTFORGER,通过集成自动化测试环境与动态跟踪策略,有效提升Rust问题解决效率,解决率达28.6%。
2026-02-26 cs.SE
Output Format Biases in the Evaluation of Large Language Models for Code Translation
School of Computing, Queen's University, ON, Canada(计算学院,皇后大学,加拿大);Centre for Software Excellence, Huawei Canada(软件卓越中心,华为加拿大)
针对代码翻译LLM评估中非代码元素干扰评估指标的问题,对11个开源和5个闭源LLM进行实证分析,提出结合提示工程与正则表达式的代码提取策略,有效缓解输出格式偏差并实现可靠评估。
2025-10-13 cs.AI cs.SE
When LLMs Invent Rust Crates: An Empirical Study of Hallucination Patterns and Mitigation
Southern University of Science and Technology(南方科技大学);Nankai University(南开大学)
本研究首次大规模实证分析LLM生成Rust代码中的包幻觉问题,发现不同模型幻觉率惊人一致且对参数不敏感,并探索了提示工程缓解策略。
2026-08-17 cs.SE
Validated Code Translation for Projects with External Libraries
Amazon Inc.(亚马逊公司);University of Bristol(布里斯托大学);National Institute of Informatics(国立情报学研究所)
本文提出一种框架,用于将依赖外部库的Go项目翻译为Rust,通过检索机制和跨语言验证流水线提高翻译和验证的准确性。
2026-02-20 cs.PL cs.SE
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
When Many-Shot Prompting Fails: An Empirical Study of LLM Code Translation
Yildiz Technical University, Department of Computer Engineering(Yildiz技术大学计算机工程系)
本研究发现代码翻译中少量精心挑选的示例比大量示例更有效,挑战了ICL中'更多更好'的普遍假设。
2025-12-09 cs.AI cs.CL cs.PL
Convergences and Divergences between Automatic Assessment and Human Evaluation: Insights from Comparing ChatGPT-Generated Translation and Neural Machine Translation
School of Foreign Languages, Shanghai Jiao Tong University(上海交通大学外国语学院);Department of Computer Science and Engineering, Shanghai Jiao Tong University(上海交通大学计算机科学与工程系);Institute of Corpus Studies and Applications, Shanghai International Studies University(上海外国语大学语料库研究与应用研究所)
本研究比较了ChatGPT与NMT系统的翻译质量,发现自动评估与人工评估在形式保真度上一致,但在语义和语用保真度上存在分歧,突显了人工判断的不可或缺性。
2024-10-12 cs.AI cs.CL
Ontology engineering with Large Language Models
Technical University of Cluj-Napoca(克卢日-纳波卡技术大学)
本研究通过微调GPT-3模型将自然语言自动翻译为描述逻辑以丰富本体,涵盖多种OWL语法约束,并在人工监督下生成公理,最终作为Protégé插件公开发布。
2023-07-31 cs.AI cs.CL
SpecTra: Enhancing the Code Translation Ability of Language Models by Generating Multi-Modal Specifications
Columbia University(哥伦比亚大学);IBM Research(IBM研究院)
SpecTra通过生成多模态规范提升LLM的代码翻译能力,实现高达46%的性能提升。
2025-12-04 cs.SE
LLM4CodeRE: Generative AI for Code Decompilation Analysis and Reverse Engineering
本文提出LLM4CodeRE框架,通过双向代码逆向工程实现反编译与源码翻译,采用多适配器和序列到序列统一方法提升任务适应性,实验显示其在反编译任务中表现优异。
2026-04-07 cs.AI cs.CR
Learning to Rewrite Prompts for Bootstrapping LLMs on Downstream Tasks
Hopcroft Center on Computing Science Huazhong University of Science and Technology (HUST)(霍普克罗夫特计算科学中心华中科技大学)
本文提出一种基于反向翻译策略训练的小参数模型,专门优化机器翻译任务的提示输入部分,以降低训练开销并提升性能,且可扩展至其他下游任务。
2025-10-08 cs.AI cs.CL cs.LG
Toxicity-Aware Few-Shot Prompting for Low-Resource Singlish Translation
Singapore University of Technology and Design(新加坡科技设计大学);GovTech, Singapore(新加坡政府科技局)
针对低资源语言对中有毒内容翻译的挑战,本文提出可复现的两阶段毒性保留翻译框架,通过人工验证的少样本提示工程和模型-提示对优化,在新加坡英语语料库上提升了翻译质量并支持文化敏感审核。
2025-07-16 cs.AI cs.CL cs.CY
Auto prompt sql: a resource-efficient architecture for text-to-sql translation in constrained environments
针对资源受限环境下Text-to-SQL方法依赖高资源模型的难题,提出AP-SQL架构,结合小型开源模型与闭源大模型能力,通过任务分解、模型微调及CoT、GoT提示工程提升SQL生成准确率,在Spider基准上验证了有效性。
2025-08-31 cs.AI cs.CL
Jas: AI-Paired Engineering as a Revival of N-Version Programming
Independent(独立)
本研究通过单开发者跨平台移植矢量图应用的案例,提出AI配对工程方法,结合精确YAML规范与并行实现作为差分测试层,使传统需多人年的工作变得可行,并视其为N版本编程的复兴。
2026-06-05 cs.AI cs.SE
Scalable, Validated Code Translation of Entire Projects using Large Language Models
针对大语言模型代码翻译可扩展性差、长代码成功率低的问题,提出含特性映射与类型兼容性的模块化翻译方法,在Go转Rust任务中实现了更高的函数验证成功率。
2024-12-11 cs.PL cs.SE
LLM4C2Rust: Large Language Models for Automated Memory-Safe Code Transpilation
University of Colorado Colorado Springs(科罗拉多大学科泉分校);University of Georgia(佐治亚大学)
本文提出基于检索增强生成的框架,利用大型语言模型与小型语言模型结合,实现C/C++到Rust的转译,提升内存安全性。实验表明该方法能有效提高代码正确性和安全性,减少原始指针解引用和不安全类型转换。
2026-04-16 cs.SE
Unlocking LLM Repair Capabilities Through Cross-Language Translation and Multi-Agent Refinement
City University of Hong Kong(香港城市大学);Beijing JudaoYouda Network Technology Co. Ltd.(北京极道有道网络科技有限公司);SnT, University of Luxembourg(卢森堡大学科学与技术学院);Aalto University(阿尔托大学);University of Melbourne(墨尔本大学)
本文提出LANTERN方法,通过跨语言翻译和多代理迭代修复,提升LLM在多语言程序修复中的能力,尤其在Rust等较少使用语言上表现突出。
2026-03-30 cs.SE
Verifiers in the Loop: Decoding Time Verification for Code Translation
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);University of Wisconsin–Madison(威斯康星大学麦迪逊分校);Google(谷歌)
本研究提出了一种元步骤解码框架DTV,通过在生成过程中整合验证器调用,提高了代码翻译的通过率,同时减少了token的使用。
2026-10-14 cs.LG cs.SE
Open-SWE-Traces: Advancing Dual-Mode Multilingual Distillation for Software Engineering Agents
NVIDIA(英伟达)
为解决软件工程智能体训练数据稀缺问题,构建包含20万条轨迹、覆盖9种编程语言的数据集,采用混合推理合成方法,微调Qwen3-30B-A3B系列模型,在SWE-bench基准上取得领先性能。
2026-06-16 cs.AI cs.SE
Finding a Crab in the C: Assured Translation via Comparative Symbolic Execution
Draper
本文提出cozy工具,通过比较二进制分析实现安全代码翻译,帮助开发者验证转换代码的等价性,减少翻译风险。
2026-05-12 cs.SE
Beyond C/C++: Probabilistic and LLM Methods for Next-Generation Software Reverse Engineering
本文提出将概率二进制分析与微调大语言模型相结合,以解决 Rust、Go、Mojo 等新语言二进制逆向工程中传统启发式方法失效和数据驱动方法易产生幻觉的问题,从而提升逆向分析的鲁棒性、准确性与可扩展性。
2025-06-04 cs.SE
Agentic Porting, Construction and Initial Verification and Validation of Libraries within the Open Source Unified TRAnsient Multi-Phase Advanced Reactor simulation Kit (Outram Park) Part I: A Software Engineering Log for Thermal Hydraulics
本研究将OpenFOAM库智能体迁移至Rust语言的Outram-Foam库,开发了两相HEM壅塞流求解器,验证显示其吻合度良好,智能体编码可提升开源库开发效率,人类专业知识仍为关键。
2026-09-18 cs.SE physics.comp-ph
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