开发者生态
morning
AI 将遗留 COBOL 程序迁移到 Java,其中包括错误
摘要
Computer Science > Software Engineering arXiv:2607.28271 (cs) [Submitted on 30 Jul 2026] Title: Agentic Method for Deterministic Validation of Legacy Code Migration Authors: Andras Ferenczi , Jordan D...
the
and
COBOL
Java
source
arXiv
2607
for
Migration
programs
2026-08-03
1 阅读
约6分钟阅读
felineflock
字号:
计算机科学 > 软件工程 arXiv:2607.28271 (cs) [提交于 2026 年 7 月 30 日] 标题:用于遗留代码迁移确定性验证的代理方法 作者:Andras Ferenczi、Jordan Docherty、Mariya Bessonov、Matthew Findlay、Krishna Lingamneni 查看标题为用于遗留代码确定性验证的代理方法的论文的 PDF迁移,作者:Andras Ferenczi 和其他 4 位作者 查看 PDF HTML(实验性) 摘要:将旧版 COBOL 程序迁移到 Java 需要进行大量测试以确保功能正确。由于缺乏测试数据以及验证所有极端情况的困难,这项工作通常会变得复杂。在本文中,我们提出了一种新颖的代理测试综合方法,即“Locksmith Loop”,该方法通过准备两个运行时环境来启动:COBOL 源和生成的 Java 目标均使用模拟进行检测,并在商用硬件上的主机外执行,然后迭代代理循环对输入模拟执行见证搜索以渗透程序分支,然后进行奇偶校验保留突变。当到达路由边界时,分析器会识别锁定段落:阻止更深入探索的情况。在三个 COBOL-Java 案例研究中,涵盖两个开源程序和一个类似内部生产的 COBOL 程序,源代码行数从 430 到 4,114 行不等,Locksmith 不断提高覆盖率,超越输入搜索平台,几乎完全覆盖两个开源程序,对内部类似生产的 COBOL 程序实现 91.90% 的分支覆盖率。在所有接受的测试用例中,生成的 Java 在确定性奇偶校验检查下与 COBOL 引用相匹配。通过这些发现,我们据我们所知展示了一种使用确定性预言机验证代理编码输出的新方法。注释:11 页,6 图主题:软件工程 (cs.SE);人工智能 (cs.AI) 引用为:arXiv:2607.28271 [cs.SE](或此版本的 arXiv:2607.28271v1 [cs.SE]) https://doi.org/10.48550/arXiv.2607.28271 arXiv 通过 DataCite 发布的 DOI(待注册) 提交历史记录 来自:Andras Ferenczi [ 查看电子邮件 ] [v1] 星期四,2026 年 7 月 30 日 14:25:23 UTC (2,963 KB) 全文链接:访问论文:查看 Andras Ferenczi 和其他 4 位作者撰写的题为“用于遗留代码迁移的确定性验证的代理方法”的论文的 PDF 查看 PDF HTML(实验性)TeX 源代码 查看许可证 当前浏览上下文:cs.SE < 上一页 |下一页 > 新 |最近 | 2026-07 更改为浏览方式:cs cs.AI 参考文献和引文 NASA ADS Google Scholar 语义学者正在加载... BibTeX 格式的引文正在加载... 数据提供者: 书签 书目工具 书目和引文工具 书目浏览器 切换书目浏览器(什么是浏览器?) 已连接论文 切换已连接论文(什么是已连接论文?) Litmaps切换 Litmaps(什么是 Litmaps?)scite.ai 切换 scite 智能引文(什么是智能引文?)与本文相关的代码、数据、媒体代码、数据和媒体 alphaXiv 切换 alphaXiv(什么是 alphaXiv?)代码链接 切换 CatalyzeX 论文代码查找器(什么是 CatalyzeX?) DagsHub 切换 DagsHub (什么是 DagsHub?) GotitPub 切换 Gotit.pub (什么是 GotitPub?) Huggingface 切换 Hugging Face (什么是 Huggingface?) ScienceCast 切换 ScienceCast (什么是 ScienceCast?) 演示 演示 Replicate 切换 复制 (什么是 Replicate?) Spaces 切换 Hugging Face 空间(什么是 Spaces?) Spaces 切换TXYZ.AI(什么是 TXYZ.AI?)相关论文推荐器和搜索工具链接到 Influence Flower Influence Flower(什么是 Influence Flowers?)核心推荐器切换 CORE 推荐器(什么是 CORE?)作者地点机构主题关于 arXivLabs arXivLabs:与社区合作者的实验项目 arXivLabs 是一个框架,允许合作者直接在我们的网站上开发和共享新的 arXiv 功能。与 arXivLabs 合作的个人和组织都接受并接受了我们开放、社区、卓越和用户数据隐私的价值观。 arXiv 致力于这些价值观,并且只与遵守这些价值观的合作伙伴合作。您有一个能为 arXiv 社区增加价值的项目想法吗?了解有关 arXivLabs 的更多信息。这篇论文的哪些作者是认可者? |禁用 MathJax(什么是 MathJax?)
这篇文章对您有帮助吗?
订阅66必读
每日精选科技资讯,直达你的邮箱