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
Concrat: An Automatic C-to-Rust Lock API Translator for Concurrent Programs
并发程序遭受数据竞争。为了防止数据竞争，程序员使用锁。然而，只有当程序在正确的时间获得并释放正确的锁时，它们才能消除数据竞争。C语言的锁API（人们开发了大部分遗留系统程序）并不验证锁的正确使用。另一方面，最近开发的系统程序设计语言Rust提供了一个锁API，通过类型检查来保证锁的正确使用。这使得在Rust中重写遗留系统程序成为一种很有前途的方法来改进它们的安全性。不幸的是，由于它们的锁API之间的差异，手动将C转换为Rust非常费力。即使是最先进的自动C-to-Rust转换器也保留了C锁API，希望开发人员将其替换为Rust锁API。在这项工作中，我们提出了一个自动工具，用Rust lock API替换C lock API。它促进了并发程序的C-to-Rust翻译，比当前实践更少的人力投入。我们的工具由一个Rust代码转换器（Transformer）和一个静态分析器组成，前者接受锁摘要作为输入，后者有效地生成精确的锁摘要。我们表明，Transformer是可扩展的，广泛适用的，同时保留语义，它转换66 Kbps在2.6秒，并成功地处理74%的现实世界中的程序。我们还表明，该分析仪是可扩展的和精确的，它分析66 Kbps在4.3秒。
2023-01-27 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
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
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
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
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
PanicFI: An Infrastructure for Fixing Panic Bugs in Real-World Rust Programs
针对Rust程序panic缺陷修复难的问题，提出PanicFI基础设施，构建含102个真实缺陷的Panic4R数据集，挖掘Rust特有修复模式，开发首款自动化修复工具PanicKiller，已修复28个开源缺陷，验证了模式有效性。
2024-11-04 cs.SE
ClozeMaster: Fuzzing Rust Compiler by Harnessing LLMs for Infilling Masked Real Programs
State Key Laboratory for Novel Software Technology, Nanjing University（南京大学 软件新技术国家重点实验室）
本文提出ClozeMaster，通过利用LLMs填充掩码的真实程序，生成有效测试用例，发现Rust编译器27个已确认的bug，优于现有模糊测试工具。
2026-05-01 cs.SE
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
Adversarial Agent Collaboration for Correctness Improvements of C to Safe Rust Translation
National University of Singapore（新加坡国立大学）；Amazon Web Services（亚马逊网络服务）
本文提出ACToR框架，通过对抗性搜索发现翻译与C源码分歧的输入，利用这些输入驱动后续优化，提升C到Rust翻译的正确性，实验表明其在多个真实世界工具中达到90%以上的测试通过率。
2026-05-17 cs.AI cs.SE
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
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
Leaf: An Instrumentation-based Dynamic Analysis Framework for Rust
Simon Fraser University（西蒙菲莎大学）；Boston University（波士顿大学）
针对Rust程序分析工具尚处早期、缺乏通用动态分析框架的问题，Leaf提供原生框架，通过捕获MIR级语义信息并增强，经DMIR传递给分析。通过三个动态分析展示其实用性与表现力，评估显示其编译时和运行时开销可控。
2026-07-30 cs.SE
Feedback Loops and Code Perturbations in LLM-based Software Engineering: A Case Study on a C-to-Rust Translation System
Otto von Guericke University（奥托·冯·格里克大学）；Bosch Research（博世研究）
本文研究了反馈循环、LLM选择和代码扰动对C到Rust翻译系统性能的影响，发现反馈循环可减少模型差异并提升系统鲁棒性。
2026-08-06 cs.AI cs.SE
SACTOR: LLM-Driven Correct and Idiomatic C to Rust Translation with Static Analysis and FFI-Based Verification
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）
SACTOR通过结合静态分析和FFI验证，利用大语言模型实现C到Rust的正确且习惯性翻译，提升了代码安全性和效率
2025-12-22 cs.AI cs.PL 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
EvoC2Rust: A Skeleton-guided Framework for Project-Level C-to-Rust Translation
Shanghai Jiao Tong University（上海交通大学）；Huawei Technologies Co., Ltd（华为技术有限公司）
EvoC2Rust通过结合规则和LLM方法，提升项目级C到Rust翻译的准确性和安全性
2026-01-13 cs.AI 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
C2SaferRust: Transforming C Projects into Safer Rust with NeuroSymbolic Techniques
Department of Computer Science, Columbia University（哥伦比亚大学计算机系）；IBM T.J. Watson Research Center（IBM T.J.沃森研究中心）
C2SaferRust结合规则系统和LLMs，将C代码转换为更安全的Rust，减少指针和unsafe代码，提升安全性与性能。
2025-12-04 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
Fine-Tuning Qwen3-27B for C-to-Rust Code Translation: A Three-Stage Curriculum of Pretraining, Debugging-Aware SFT, and Task-Specific SFT
Northeastern University（东北大学）；EmbodyX Inc（EmbodyX公司）；Aibao LLC（Aibao有限责任公司）
本研究针对C到Rust代码翻译任务，对Qwen3-27B采用三阶段微调课程，结合SACTOR框架评估后，其性能优于基线模型及其他LLM。
2026-09-01 cs.AI cs.ET cs.LG
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
RustAssure: Differential Symbolic Testing for LLM-Transpiled C-to-Rust Code
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
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
Syzygy: Dual Code-Test C to (safe) Rust Translation using LLMs and Dynamic Analysis
University of California, Berkeley（加州大学伯克利分校）
本文提出 Syzygy，一种结合 LLM 与动态分析信息，通过代码与测试双重增量翻译将 C 代码转换为安全 Rust 的自动化方法，成功翻译约 3000 行的 Zopfli 库并验证等价性，实现了迄今最大规模的自动化测试验证转换。
2024-12-21 cs.AI cs.LG cs.PL
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
Performance vs Programming Effort between Rust and C on Multicore Architectures: Case Study in N-Body
历史上，Fortran和C一直是高性能计算（HPC）中的默认程序设计语言。在这两种情况下，程序员都可以使用原语和函数来操纵系统内存并直接与底层硬件交互，从而在响应时间和资源使用方面实现高效的代码。另一方面，在这些类型的语言中生成可维护和可扩展的代码是一个真正的挑战。2010年，Rust作为一种为并发和安全应用程序设计的新程序设计语言出现，它采用了过程式，面向对象和函数式语言的特性。在其设计原则中，Rust的目标是在效率方面与C相匹配，但同时提高代码安全性和生产力。本文介绍了C和Rust在性能和编程工作方面的比较研究，选择作为案例研究的N个计算体（N-Body），在HPC社区的一个流行的问题的模拟。基于实验工作，可以确定Rust是一种减少编程工作量的语言，同时保持可接受的性能水平，这意味着它是C for HPC的可能替代品。
2021-10-19 cs.DC cs.PL cs.SE
C-rusted: The Advantages of Rust, in C, without the Disadvantages
本研究提出C-rusted技术，通过对C程序部分注解表达资源属性等信息，兼容标准C编译工具链，经静态验证无错的注解代码可避免大量逻辑、安全及运行时错误，兼具Rust优势且无其弊端。
2023-08-26 cs.CR cs.PL cs.SE
REVIS: An Error Visualization Tool for Rust
本文开发了VSCode扩展REVIS，用于可视化Rust中与生命周期相关的编译器错误，并初步评估了其对学生学习者的辅助效果。
2023-09-12 cs.SE
VERT: Verified Equivalent Rust Transpilation with Large Language Models as Few-Shot Learners
VERT 结合 Web Assembly 编译器生成的 oracle 与 LLM 候选，通过迭代验证生成可读且形式化正确的 Rust 转译，显著提升属性测试和模型检查通过率。
2024-05-25 cs.PL cs.SE
SandCell: Sandboxing Rust Beyond Unsafe Code
Pennsylvania State University（宾夕法尼亚州立大学）；Ericsson Security Research（爱立信安全研究）；Ericsson Product Security（爱立信产品安全）
SandCell 通过利用现有语法边界，为 Rust 提供灵活且轻量的沙箱化隔离，允许程序员通过最小注解实现细粒度控制，并减少沙箱间数据传输的开销。
2026-01-18 cs.CR cs.SE
TECS/Rust-OE: Optimizing Exclusive Control in Rust-based Component Systems for Embedded Devices
Saitama University（埼玉大学）；OKUMA Corporation（大隈株式会社）
针对TECS/Rust框架因过多独占控制导致性能下降的问题，提出利用调用流的内存安全CBD框架TECS/Rust-OE，借助实时OS机制优化性能且保障可复用性，代码可自动生成，经评估开销降低、可复用性高。
2025-10-29 cs.SE
Petri Nets-based Methods on Automatically Detecting for Concurrency Bugs in Rust Programs
本文提出一种基于Petri网的Rust并发缺陷检测方法，通过语法保持的程序转换、上下文感知状态压缩和可达性分析，结合流敏感指针分析，在基准测试中显著降低了误报和漏报，并实现了比动态工具Miri更快的验证速度。
2025-09-23 cs.FL cs.PL 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
Evaluating and Improving Static Application Security Testing Tools for Rust
University of Hong Kong（香港大学）；Nanjing University（南京大学）；Hong Kong Polytechnic University（香港理工大学）；Concordia University（康考迪亚大学）
本文评估主流Rust SAST工具的有效性与弱点，提出LLM辅助的TRUST框架，发现6种SAST工具的46个故障，为改进Rust SAST工具提供指导。
2026-10-16 cs.CR cs.SE
Two Birds One Stone: Effective Static Detection of Resource and Communication Deadlocks in Rust Programs
Tongji University（同济大学）；Hong Kong University of Science and Technology（香港科技大学）；Xidian University（西安电子科技大学）
本文提出了一种针对Rust程序的静态死锁检测方法，通过指针分析和变量依赖分析，有效识别多种死锁类型，提升了死锁检测的精度。
2026-10-12 cs.CR cs.PL cs.SE
A Closer Look at the Security Risks in the Rust Ecosystem
该研究针对Rust生态安全风险研究不足的问题，构建涵盖433个漏洞、300个漏洞仓库及218个修复提交的7年跨度数据集，系统分析漏洞特征、漏洞包属性及漏洞修复规律。
2023-08-29 cs.CR cs.SE
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
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
PinChecker: Identifying Unsound Safe Abstractions of Rust Pinning APIs
本文提出 PinChecker 工具，通过新中间表示 RPIL 和合成驱动方法，自动检测 Rust 库中固定 API 契约的违反，在 13 个流行库中发现 2 个错误。
2025-06-20 cs.SE
Towards Modified Condition/Decision Coverage of Rust
German Aerospace Center（德国航空航天中心）；Ferrous Systems GmbH（Ferrous Systems有限公司）
本文研究Rust语言中模式匹配等特性，探讨如何将MC/DC测试覆盖标准应用于Rust，为高保证应用中的Rust实现提供指导。
2024-09-13 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
PALM: Synergizing Program Analysis and LLMs to Enhance Rust Unit Test Coverage
State Key Laboratory for Novel Software Technology, Nanjing University（南京大学软件新技术国家重点实验室）；Software Engineering Application Technology Lab, Huawei（华为软件工程应用技术研发实验室）
本文提出PALM框架，通过程序分析提取分支条件与路径约束并构造LLM提示，自动生成Rust高覆盖率单元测试，在15个开源crates上达到接近人工的覆盖率且多数提交被接受。
2025-09-29 cs.SE
His2Trans: A Knowledge-Guided Agentic Framework for Project-Level C-to-Rust Migration
Sun Yat-sen University（中山大学）
本文提出His2Trans框架，通过构建意识的骨架构建和历史知识重用，实现C到Rust的增量迁移，提升构建可行性并减少警告数量。
2026-07-07 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
Reducing the Costs of Proof Synthesis on Rust Systems by Scaling Up a Seed Training Set
Microsoft Research（微软研究院）；State Key Laboratory of Novel Software Technology, Nanjing University（南京大学软件新技术国家重点实验室）；School of Computer Science, Nanjing University（南京大学计算机学院）
本文提出VeruSyn数据合成管道，通过自合成和教程合成扩大Verus验证工具的数据集，生成690万Rust程序及其形式化规格证明，提升代码生成模型的性价比和性能。
2026-05-09 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
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
AkiraRust: Re-thinking LLM-aided Rust Repair Using a Feedback-guided Thinking Switch
National University of Defense Technology（国防科技大学）；Southeast University（东南大学）
AkiraRust通过反馈引导的思考开关机制，实现Rust修复的语义正确性和效率提升。
2026-02-25 cs.SE
Raw Pointer Rewriting with LLMs for Translating C to Safer Rust
Purdue University（普渡大学）；University of Rochester（罗切斯特大学）
本文提出PR2技术，通过决策树提示引导指针提升，消除C到Rust翻译中的原始指针，提升代码安全性。
2026-04-18 cs.AI cs.PL cs.SE
A Trace-based Approach for Code Safety Analysis
Fudan University（复旦大学）
本文提出基于跟踪的代码安全性分析方法，通过研究Rust的安全设计和现实项目，建立系统框架以理解和规范不安全代码及未定义行为。
2026-02-26 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
A Mixed-Methods Study on the Implications of Unsafe Rust for Interoperation, Encapsulation, and Tooling
Carnegie Mellon University（卡内基梅隆大学）；Brown University（布朗大学）；King Abdulaziz University（阿卜杜勒阿齐兹国王大学）
本研究通过混合方法分析了Rust中不安全特性对互操作性、封装及工具链的影响，发现开发者在面临无替代方案时使用不安全代码，但受限的工具支持导致设计不确定性，需开发验证工具以提供安全性保证。
2026-02-18 cs.SE
