基于大语言模型的智能代理 Android 到 iOS 翻译：实践研究中的陷阱与洞见
软件工程
2025-07-23 v1
摘要
移动应用的快速发展导致了对跨平台兼容性的巨大需求，尤其是在 Android 和 iOS 平台之间。传统的移动应用翻译方法往往依赖手动干预或规则驱动系统，具有 Labor-intensive and time-consuming。尽管近期的机器学习进展引入了自动化方法，但常常缺乏上下文理解和适应性，导致翻译次优。大型语言模型 (LLM) 最近被用于在方法、类和仓库层面增强代码翻译。研究人员已探讨了常见错误、局限性以及改进这些任务的潜在策略。然而，针对不同平台之间（如在 Android 和 iOS 之间迁移移动应用或适配软件到不同框架）的 LLM 驱动应用翻译仍鲜有探索。理解 LLM 在跨平台应用翻译中的性能、优势与局限性，对推动软件工程自动化至关重要。本研究旨在填补这一空白，通过评估 LLM 基于智能代理的方法进行移动应用翻译，识别关键失效点，并提出改进翻译性能的指导方针。我们开发了一个考虑依赖关系、规范、程序结构和程序控制流程的翻译链式智能体。为评估性能，我们手动检查翻译后的代码的语法正确性、语义准确性和功能完整性。对于翻译失败，进一步进行详细的根本原因分析，以理解智能体翻译过程的底层局限性，并识别改进机会。
引用
@article{arxiv.2507.16037,
title = {A Pilot Study on LLM-Based Agentic Translation from Android to iOS: Pitfalls and Insights},
author = {Zhili Zeng and Kimya Khakzad Shahandashti and Alvine Boaye Belle and Song Wang and Zhen Ming and Jiang},
journal= {arXiv preprint arXiv:2507.16037},
year = {2025}
}