🤖 AI

TransAgent: Enhancing LLM-Based Code Translation via Fine-Grained Execution Alignment

本文提出了 TransAgent，一种通过源语言与目标代码间的细粒度执行对齐来定位并消除错误的多智能体系统，显著提升了基于大语言模型的代码翻译准确性与程序修复性能。

原作者： Zhiqiang Yuan, Weitong Chen, Hanlin Wang, Xin Peng, Zhenpeng Chen, Yiling Lou

发布于 2026-04-08

📖 1 分钟阅读☕ 轻松阅读

原作者： Zhiqiang Yuan, Weitong Chen, Hanlin Wang, Xin Peng, Zhenpeng Chen, Yiling Lou

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇文章介绍了一个名为 TransAgent 的新系统，它的核心任务是把一种编程语言的代码“翻译”成另一种语言（比如把 Python 代码变成 Java 代码），同时保证功能完全不变。

为了让你更容易理解，我们可以把这件事想象成**“跨国翻译小说”**。

1. 背景：为什么现有的翻译不够好？

想象一下，你有一本用中文写的精彩小说（源程序），你想把它翻译成英文（目标程序），让不懂中文的读者也能看懂。

老方法（传统编译器）： 就像请了一个只会查字典的机器人。它把每个词都翻对了，但整句话读起来生硬、不通顺，甚至逻辑全错。而且，它需要人类专家写成千上万条翻译规则，太累了，效果还不好。
新方法（大语言模型 LLM）： 就像请了一位才华横溢的翻译家（AI）。他懂很多语言，能写出很流畅的句子。但是，这位翻译家偶尔会犯两个错误：
1. 语法错误： 比如英文里少了一个句号，或者动词变位错了（就像代码编译不过去）。
2. 语义错误（更隐蔽）： 比如原文说“把苹果放进篮子”，翻译家翻成了“把苹果放进冰箱”。虽然句子通顺，但意思全变了（程序能运行，但结果不对）。

之前的 AI 翻译系统（如 UniTrans）就像是一个**“盲猜修正者”**。当发现翻译后的英文读起来不对劲时，它只能看着整本书猜：“哎呀，这里好像不对，我改改看。”因为它看不到书里具体的逻辑细节，所以改得往往不够精准，甚至越改越错。

2. TransAgent 的绝招：四位一体的“超级翻译团队”

TransAgent 不再依赖一个 AI 单打独斗，而是组建了一个四人特工小组，分工明确，像侦探一样层层排查问题。

第一关：初稿翻译官 (Initial Code Translator)

角色： 负责把中文小说先翻成英文初稿，并先试着写几个“测试题”（比如：如果输入“苹果”，输出应该是“篮子”）。
作用： 快速生成一个大概能用的版本。

第二关：语法纠错员 (Syntax Error Fixer)

角色： 专门挑刺的编辑。
绝招： 如果英文里出现了语法错误（比如少个逗号），编译器会报错。这个纠错员会把晦涩的报错信息（比如 Error: expected ';'）翻译成人类能懂的建议（“这里少个分号”），然后让 AI 修正。
比喻： 就像老师把红笔圈出的错别字，翻译成具体的修改建议，让学生知道怎么改。

第三关：结构对齐师 (Code Aligner) —— 这是最核心的创新！

角色： 负责“对表”的侦探。
痛点： 中文的一行话，翻译成英文可能变成三行；或者中文的“如果...就..."，在英文里可能变成了“循环..."。直接一行对一行（像以前的方法）经常对不上，导致后面找不到错误在哪。
绝招： 它不看单行字，而是看**“逻辑块”**。
- 它把中文故事里的“主角出门、买票、上车”看作一个完整的动作块。
- 然后让 AI 去找英文故事里对应的“出门、买票、上车”那个动作块。
- 比喻： 就像把两本书都切成一个个“场景片段”（比如“战斗场景”、“对话场景”），而不是切成单个句子。这样不管语言怎么变，只要场景对上了，就能精准定位。

第四关：语义排雷兵 (Semantic Error Fixer) —— 真正的杀手锏

角色： 拿着放大镜的质检员。
绝招： 既然已经通过“结构对齐师”把中文的“场景 A"和英文的“场景 A"对应上了，排雷兵就同时运行这两个场景。
- 它看中文场景里，变量 x 的值是 10。
- 它看英文场景里，对应的变量 x 的值变成了 5。
- 发现差异！ 它立刻锁定：“就是这里！英文版本算错了！”
- 然后，它把这个具体的差异告诉 AI 翻译家：“你看，这里应该是 10 却变成了 5，请修正这个逻辑。”
比喻： 以前的方法是让翻译家自己猜哪里错了；现在的做法是，拿着两本书的“运行录像”对比，直接指着录像说：“看，这一秒，中文里他在笑，英文里他在哭，这里肯定翻错了！”

3. 效果如何？

作者们找来了很多最新的编程题目（为了避开 AI 以前背过的答案，防止作弊），进行了测试：

准确率大提升： 相比之前的顶尖方法，TransAgent 的翻译准确率提高了 33.3%。
修错能力强： 如果翻译错了，TransAgent 修好的成功率比另一个著名的修错工具（Agentless）高了 56.7%。
通用性强： 不管用什么底层的 AI 模型（比如 Llama, ChatGLM 等），加上 TransAgent 这套流程，效果都会变好。

4. 总结

TransAgent 就像给 AI 翻译家配了一套**“精密仪器”**：

它不再盲目地猜哪里错了。
它通过**“分块对齐”（把故事切成场景）和“运行对比”**（看两个版本的实际表现）来精准定位错误。
它把模糊的“这里不对”变成了具体的“第 3 个场景里的变量值不对”。

这就好比以前修车是凭感觉敲敲打打，现在 TransAgent 是拿着X 光片和发动机数据对比图，精准地告诉修车师傅：“就是这根螺丝松了，拧紧它。”

这项技术让 AI 在代码翻译领域变得更加可靠，对于软件维护、系统升级（比如把老旧的 Java 系统升级到 Python）有着巨大的实用价值。

1. 研究背景与问题 (Problem)

代码翻译是将代码从一种编程语言（源程序）转换为另一种语言（目标程序）并保留其功能的过程，在软件现代化、性能优化和技术迁移中至关重要。

现有挑战：
- 传统方法局限： 基于规则的方法（如转译器）依赖人工编写规则，工作量大且生成的代码可读性差；基于学习的方法（如 TransCoder）依赖大量平行语料，但高质量数据稀缺且训练成本高昂。
- LLM 的不足： 虽然 LLM 在代码生成方面表现出色，但直接用于代码翻译时，生成的代码常存在语法错误和语义错误。
- 现有 LLM 修复方法的缺陷：
  - 语法错误： 现有的“翻译 - 修复”范式（如 UniTrans）依赖编译器报错信息，但这些信息往往模糊，缺乏具体的修复指导，导致 LLM 难以精准修复。
  - 语义错误： 这是最大的难点。LLM 难以仅凭输入/输出测试用例定位语义错误，因为语义错误通常表现为逻辑偏差而非编译失败。现有方法缺乏对源程序和目标程序运行时状态的细粒度对比，导致无法精准定位错误代码块（Fault Localization），修复往往是盲目试错。

2. 方法论 (Methodology)

TransAgent 是一个由四个协同工作的 LLM 智能体组成的多智能体系统，其核心洞察是：通过源程序和目标程序之间的细粒度执行对齐来定位错误，并提供具体的修复建议。

核心流程与智能体：

初始代码翻译器 (Initial Code Translator):
- 利用 LLM 生成测试用例（输入/输出）。
- 基于源程序和测试用例，生成初始的目标程序。
语法错误修复器 (Syntax Error Fixer):
- 迭代修复： 调用编译器/解释器检查语法错误。
- 策略规划： 将模糊的编译器报错信息转化为 LLM 可理解的具体修复建议（Fix Suggestions）。
- 补丁生成： LLM 根据建议生成补丁，直到语法错误或达到最大迭代次数。
代码对齐器 (Code Aligner) - 核心创新之一：
- 基于控制流图 (CFG) 的块级分解： 不同于以往基于语句（Statement-level）的对齐，该模块利用 CFG 将源程序分解为原子代码块（Blocks）。
- 块级映射： 利用 LLM 将源程序的代码块映射到目标程序的对应代码块。
- 优势： 解决了语句级对齐中常见的“一行变多行”或“代码行移位”导致的对齐失败问题，提供了更鲁棒的映射关系。
语义错误修复器 (Semantic Error Fixer) - 核心创新之二：
- 细粒度执行对齐与定位：
  - 对源程序和目标程序的对应代码块进行同时执行（Instrumentation）。
  - 收集并对比每个代码块内变量的运行时值（Runtime Values）。
  - 通过算法（Algorithm 1）检测运行时行为不一致的代码块，从而精准定位语义错误所在的块。
- 语义补丁生成：
  - 两种策略互补：
    - 普通修复 (Vanilla)： 基于静态代码上下文修复。
    - 值感知修复 (Value-aware)： 将具体的运行时变量值（特别是异常值，如溢出）作为提示词提供给 LLM，帮助其理解错误原因（如数据类型不匹配）。
- 迭代执行上述过程，直到所有测试用例通过。

3. 主要贡献 (Key Contributions)

新型 LLM 代码翻译技术 (TransAgent)： 提出了首个基于多智能体协作、利用细粒度执行对齐来消除翻译错误的系统。
创新的代码映射策略 (Code Aligner)： 设计了结合控制流分析（CFG）与 LLM 的块级映射策略，显著提高了源目标代码的对应精度，克服了纯 LLM 语句级对齐的脆弱性。
新的代码翻译基准 (Benchmark)： 构建了基于 2023 年 8 月之后编程竞赛任务的新基准（涵盖 Python, Java, C++），有效缓解了现有基准因数据泄露导致的评估偏差问题。
全面的评估： 在翻译准确性、修复精度、消融实验及不同 LLM 的泛化能力上进行了系统验证。

4. 实验结果 (Results)

研究团队在构建的新基准上进行了广泛实验，主要结果如下：

整体翻译效果 (RQ1)：
- TransAgent 在六种语言互译场景下均优于基线。
- 相比最新的 LLM 方法 UniTrans，翻译准确率（CA）最高提升了 33.3%（例如 Python 到 Java 任务）。
- 相比传统学习式方法 TransCoder，准确率提升了 87.1%。
- 统计显著性检验（Wilcoxon signed-rank test）显示差异显著 ( $p \ll 0.001$ )。
消融实验 (RQ2)：
- 语法错误修复器和语义错误修复器均对性能有显著正向贡献。
- 语义错误修复器在动态语言（Python）到静态语言（Java/C++）的转换中提升尤为明显，因为静态语言对类型和逻辑更敏感，细粒度对齐能有效捕捉此类差异。
- “值感知”和“普通”两种修复策略具有互补性，联合使用效果最佳。
修复准确率 (RQ3)：
- 在程序修复任务中，TransAgent 的平均修复准确率比 Agentless 高出 56.7%，比使用 TransMap 映射策略的变体 TransAgentTM 高出 14.5%。
- 这证明了结合混合代码映射和运行时引导的错误定位是有效的。
泛化能力 (RQ4)：
- TransAgent 在不同规模的 LLM（如 Llama-3-8B, ChatGLM2-6B, Deepseek-Coder-33B）上均表现出良好的泛化性，能显著提升不同基座模型的翻译性能。
效率：
- 平均修复时间约为 19 秒/例，优于 UniTrans 的 24 秒，且 92% 以上的案例在 2 次迭代内完成修复。

5. 意义与价值 (Significance)

解决语义错误定位难题： 突破了现有 LLM 代码翻译仅依赖端到端推理的局限，通过引入运行时状态对比和块级执行对齐，实现了类似人类调试（Debug）的精准错误定位。
提升翻译可靠性： 显著降低了代码翻译中的语法和语义错误率，使得 LLM 生成的跨语言代码更具备生产可用性。
方法论创新： 提出的“控制流分析 + LLM"的混合映射策略，为处理复杂代码结构（如行移位、多行合并）提供了新的思路，不仅适用于翻译，对跨语言程序理解和修复也有借鉴意义。
基准建设： 构建的新基准为未来评估 LLM 代码翻译能力提供了更公平、无数据泄露的测试环境。

总结： TransAgent 通过模拟人类开发者的调试过程（运行、对比状态、定位、修复），将大模型的生成能力与程序分析的精确性相结合，显著提升了 LLM 在代码翻译任务中的表现，是目前该领域最先进的解决方案之一。