プログラムコードにおける参照の解決のためのニューラルアーキテクチャ
arXiv cs.LG / 2026/4/16
📰 ニュースSignals & Early TrendsIdeas & Deep AnalysisModels & Research
要点
- 本論文は、現実のデコンパイル作業に動機づけられ、順列による直接的および間接的なインデックス付けとしてモデリングすることで、プログラムコードにおける参照解決と書き換えを研究する。
- 合成ベンチマークを導入し、既存のシーケンス・ツー・シーケンス（seq2seq）アーキテクチャは、インデックス付けに焦点を当てたこれらのタスクでは性能が低いことを見出す。
- 著者らは、直接的および間接的なインデックス付けの双方に対する新しいseq2seqニューラルアーキテクチャを提案し、頑健性とスケーラビリティの向上を示す。
- 実験では、新しいモデルが最強のベースラインより入力を約10倍長く処理できるにもかかわらず、より良い性能を維持することが示される。
- 実際のデコンパイル設定（インデックス付けのサブタスクを伴う switch 文のデコンパイル）では、拡張モデルによりエラー率が42%低下し、アブレーション研究により主要な構成要素がすべて必要であることが確認される。
