Cicli di Feedback LLM e Perturbazioni del Codice nella Traduzione da C a Rust
Un recente articolo su arXiv (2512.02567v2) esamina l'impatto dei cicli di feedback automatizzati, la scelta del Large Language Model (LLM) e le modifiche al codice che preservano il comportamento su un sistema automatizzato di traduzione da C a Rust. Il sistema impiega un pattern generate-and-check, in cui il codice Rust generato dall'LLM viene automaticamente verificato per compilabilità ed equivalenza comportamentale. Lo studio è motivato dalle garanzie di sicurezza di Rust, che rendono la traduzione da C a Rust attraente per l'industria. La ricerca si concentra su tre variabili: cicli di feedback, selezione dell'LLM e perturbazioni del codice, e la loro influenza sulla qualità della traduzione. L'articolo fa parte dell'esplorazione in corso dell'IA generativa nell'ingegneria del software, in particolare per la riparazione del codice, la generazione di test e la traduzione linguistica. Mentre strumenti interattivi come GitHub Copilot sono ampiamente utilizzati, gli approcci automatizzati richiedono una maggiore affidabilità per l'adozione industriale. I risultati mirano a informare lo sviluppo di sistemi di traduzione automatizzata più robusti.
Fatti principali
- arXiv:2512.02567v2 è un articolo sull'ingegneria del software basata su LLM.
- Lo studio si concentra su un sistema di traduzione da C a Rust.
- Vengono studiate tre variabili: cicli di feedback automatizzati, scelta dell'LLM e modifiche al codice che preservano il comportamento.
- Il sistema di traduzione utilizza un pattern generate-and-check.
- Le garanzie di sicurezza di Rust rendono la traduzione da C a Rust attraente per l'industria.
- L'articolo è motivato dalla necessità di una maggiore affidabilità negli approcci automatizzati.
- GitHub Copilot è menzionato come strumento interattivo già ampiamente utilizzato.
- L'articolo è stato annunciato come replace-cross su arXiv.
Entità
Istituzioni
- arXiv