14:33arXiv cs.AI@Sanderson Oliveira de Macedo, Ronaldo Martins da Costa精选72°Reversa 是一个将遗留系统(如COBOL代码)转化为AI智能体可操作规范的框架。它通过多智能体流水线,自动映射项目表面、分析模块、提取隐含规则、合成架构并编写单元级规范,强调代码与规范的可追溯性、显式置信度标记和保留人工验证缺口。在将ATM系统从COBOL迁移到Go的案例中,生成了517条声明、10个缺口、53个Gherkin场景和9/11任务完成的重建计划。该框架以Node.js CLI形式发布,支持多种智能体引擎,并利用SHA-256清单保护修改文件。论文逆向工程遗留系统迁移AI智能体代码规范COBOL推荐理由:做遗留系统现代化或AI驱动代码迁移的团队,终于有了一个能自动生成可追溯规范的框架——Reversa 直接帮你把老代码变成AI智能体能理解的文档,建议做COBOL迁移或大型系统重构的开发者点开看看。原文
10:01arXiv cs.AI@Ferhat Erata, Hao Zhou, Luke Huan精选研究人员提出了一种名为 fidelity probes 的方法,通过从代码中生成带真实答案的自然语言问题,来评估候选规格说明与代码的一致性。该方法将一致性分数分解为矛盾率和覆盖缺口率,从而指导规格说明的迭代改进。在包含约 12,000 行 COBOL 代码的基准测试中,经过八次迭代,规格说明的一致性从 0.63 提升至 0.94,且收敛点可通过两态马尔可夫固定点预测。探针可由 LLM 或静态分析管道生成,两者互补。该方法适用于任何应描述相同行为的成对工件。论文代码-规格对齐LLM静态分析COBOL自动化验证推荐理由:做代码文档对齐或规格说明自动化的团队,可以拿这个方法直接改进现有流程——它用 LLM 和静态分析结合,能快速发现并修复规格与代码的不一致,迭代效率很高。原文