paperbot · PL 论文追踪

全部论文 待读 收藏

P1 Migrating Code At Scale With LLMs At Google

在 Google 使用 LLM 进行大规模代码迁移
FSE Proceedings of the 33rd ACM International Conference on the Foundations of Software Engineering2025匹配度 5/10 · 该论文处于机器学习与程序语言的交叉领域，且是 Google 工业界大规模代码迁移的案例，符合用户对工业落地和 LLM 作为工具的兴趣。但其核心是代码迁移而非静态分析或形式化验证，与用户主要研究问题（PL→AI 和 AI→PL 中的静态分析/形式化验证）仅有间接关联，因此匹配度中等。引用 10 inbox
Celal Ziftci, Stoyan Nikolov, Anna Sjövall, Bo Kim, Daniele Codecasa, Max Kim
机器学习与程序语言编译与代码生成
crossref: 2026-09-12

AI 速览

一句话：面向 Google 内部大规模代码迁移，探讨使用 LLM 辅助开发者完成框架替换、效率改进与依赖升级等演化任务。

论文关注开发者对已有软件系统进行内部修改以完成演化，这类内部修改被称为迁移。典型场景包括迁移到新框架、改写实现以提升效率，以及将依赖升级到最新版本。标题表明该工作发生在 Google，并采用 LLM 来支持大规模代码迁移。不过，给定摘要仅给出迁移的定义与示例，没有披露具体的 LLM 使用方式、工程流程、评估指标或实验结果，因此无法从现有信息判断其方法细节与实际效果。整体而言，该工作属于 LLM 辅助代码演化与大规模工程迁移的工业实践方向。

问题
开发者常通过内部修改演化已有软件系统，这类修改称为迁移；论文关注在 Google 大规模开展此类代码迁移。
方法
标题表明使用 LLM，但给定摘要未提供具体技术方案，只给出迁移的定义与典型例子。
评估
给定摘要未报告评估方式、指标或结果，无法概括具体实验评估。
原文摘要（Abstract）

Developers often evolve an existing software system by making internal changes, called migration. Moving to a new framework, changing implementation to improve efficiency, and upgrading a dependency to its latest version are examples of migrations.

链接与引用

DOI 原文 · PDF（开放获取） ·

BibTeX 
@inproceedings{paperbot8933,
  title = {Migrating Code At Scale With LLMs At Google},
  author = {Celal Ziftci and Stoyan Nikolov and Anna Sjövall and Bo Kim and Daniele Codecasa and Max Kim},
  booktitle = {FSE},
  year = {2025},
  doi = {10.1145/3696630.3728542}
}