[Paper] REMODEL-LLM：使用 LLM 将 C 代码转换为 Java

Source: arXiv - 2512.11402v1

概览

论文 REMODEL‑LLM 评估了紧凑、量化的大语言模型（LLM）在自动将 C 程序翻译成 Java 方面的表现。通过结合基于抽象语法树（AST）的代码分析与严格控制的提示（prompt），作者揭示了 19 种参数不超过 200 亿的模型之间的显著性能层级，突显了轻量级 LLM 在跨语言代码迁移中的潜力与当前局限。

关键贡献

• 全面基准：在精心挑选的 C→Java 翻译套件上对 19 种量化 LLM（≤ 20 B 参数）进行评测。
• 混合翻译流水线：首先将 C 源码分解为抽象语法树（AST）以获得语义依据，然后将基于规则的提示输入 LLM 生成代码。
• 分层性能分类（Tier 1、2、3），清晰区分能够生成可运行 Java 的模型与不能的模型。
• 实证洞察：指出 function pointers、sizeof、enums 等特定 C 构造始终导致当前量化模型失效。
• 开源制品（数据集、提示、评估脚本），便于复现与后续研究。

方法论

1. 数据集构建 – 收集了 200 条简短 C 代码片段，覆盖广泛的语言特性（控制流、内存管理、数据结构），并为每条提供手工编写的参考 Java 翻译。
2. AST 提取 – 对每个 C 片段使用 Clang 前端生成 AST。AST 的作用有两点：
   • 提供语言无关的结构化表示，供提示引用。
   • 在调用模型前自动检测不受支持的构造（例如指针算术）。
3. 提示设计 – 制作了高度受限的规则化提示：
   • “You are a code translator. Use the following AST nodes to produce equivalent Java code. Do not add any imports beyond java.util.*. Do not use unsafe casts.”
   • 提示中还加入了简短的“翻译检查清单”，引导模型正确处理内存模型（例如将手动 malloc 替换为 new）。
4. 模型推理 – 在零样本设置下（无微调），对 19 种量化 LLM 使用相同的提示‑AST 对进行推理。随后将生成的 Java 代码编译并在基于原始 C 行为的单元测试套件上执行。
5. 评估指标 –
   • 编译成功率（可运行 vs. 不可运行）。
   • 功能正确性（单元测试通过率）。
   • 语义保真度（人工检查细微逻辑错误）。

结果与发现

• 主要失效模式 – 即使是 Tier 1 模型也会在以下情形出错：
  • 函数指针（无法映射到 Java 接口或 lambda）。
  • sizeof 表达式（被误解释为字面数字）。
  • 基于枚举的 switch 逻辑（产生错误的 case 处理）。
• 推理上限 – 作者观察到量化（int8/int4）降低了模型进行多步逻辑推理的能力，而这对于正确处理指针别名和低层内存计算至关重要。

实际意义

• 遗留代码迁移 – 对于结构简单、模板化程度高的 C 模块（如简单 I/O 包装），Tier 1 量化模型已经能够生成可用的 Java 代码，迁移工作量可能降低 30‑40 %。
• 工具集成 – AST + 提示流水线可封装为 IDE 插件或 CI‑based 迁移助手，提供“自动建议”模式；当模型标记出不支持的构造时自动回退至人工审查。
• 成本效益部署 – 由于评测模型均能在单 GPU、低显存环境下顺畅运行，组织可以在内部部署翻译服务，无需昂贵的全尺度 LLM API。
• 安全网 – 明确的层级性能暗示一种实用工作流：运行模型 → 自动编译 → 仅提升通过单元测试的翻译结果，从而避免引入细微 bug。

局限与未来工作

• 基准范围 – 测试套件侧重于小型、独立的代码片段；未评估大型、多文件、构建系统复杂的项目。
• 量化影响 – 本研究未与全精度模型对比，仍需明确量化本身导致的性能损失程度。
• 提示刚性 – 虽然规则化提示提升了一致性，但可能限制模型生成更符合 Java 习惯的代码（如使用流式 API 或泛型）。
• 作者提出的未来方向 包括：
  • 在特定领域的 C→Java 语料上进行微调或 LoRA 适配。
  • 将 AST‑提示框架扩展至支持大规模代码库的增量翻译。
  • 探索将 LLM 输出与传统规则式转译器相结合的混合方案，以应对最难的构造（函数指针、低层内存算术）。

作者

• Aryan Gupta
• Y. Raghu Reddy

论文信息

• arXiv ID: 2512.11402v1
• 分类: cs.SE, cs.AI
• 发布日期: 2025 年 12 月 12 日
• PDF: Download PDF