📄 论文总结
- 中英文论文题目：
EVOC2RUST: A Skeleton-Guided and Feature-Mapping Enhanced Framework for C-to-Rust Project-Level Code Translation
EVOC2RUST：基于骨架引导和特征映射增强的C到Rust项目级代码翻译框架
1️⃣ 一句话总结
EVOC2RUST提出了一种混合框架，通过骨架引导的增量翻译和安全保留的特征映射，解决了C到Rust项目级代码转换中的内存安全性和跨模块依赖性两大核心挑战，显著提升了编译通过率和代码安全性，为工业级代码迁移提供了高效工具。
2️⃣ 论文创新点
1. 骨架引导的增量翻译策略
- 创新点：分阶段构建可编译的Rust项目骨架（模块分解→函数存根生成→增量填充），再逐步翻译函数体，避免传统方法对完整项目上下文的依赖。
- 改进：相比直接LLM生成或规则基翻译，解决了跨模块依赖导致的编译失败问题（如基线方法Self-Repair因文件级处理产生的代码截断）。
- 意义：支持大规模项目级翻译，突破LLM上下文窗口限制，编译通过率提升30%以上（实验数据）。
2. 安全保留的特征映射机制
- 创新点：针对C与Rust的7类核心语言特性（如指针、宏、变参函数），预定义安全转换规则（如
Ptr<T>智能指针、va_format!宏），约束LLM输出。 - 改进：传统方法（如C2Rust）依赖手动规则覆盖有限，而纯LLM方法（如LLM-direct）易生成不安全代码。
- 意义：代码安全率（SafeRate）达92.5%，消融实验显示移除特征映射后性能下降49.64%。
3. 编译驱动的级联修复链
- 创新点：结合括号修复→规则修复→LLM修复三步流程，迭代解决语法和语义错误，平衡效率与效果（限制修复轮次）。
- 改进：传统方法（如C2SaferRust）仅依赖LLM后处理，而EVOC2RUST通过静态分析优先修复低级错误，减少LLM负担。
- 意义：规则修复（Repair#2）贡献最大（编译通过率+9.68%），LLM精修（Repair#3）进一步提供语义增益（+8.98%）。
4. 工业级评估与多维度指标
- 创新点：提出ICompRate（增量编译通过率）、FCompRate（填充式编译通过率）和SafeRate，在工业数据集（C2R-Bench）上验证鲁棒性。
- 改进：现有基准（如Vivo-Bench）规模有限，而C2R-Bench包含华为生态复杂项目，更贴近实际场景。
- 意义：首次在模块级验证翻译准确性（FCompRate达85.3%），支持模型无关性（DeepSeek-V3/Qwen3-32B均有效）。
3️⃣ 主要结果与价值
实验结果亮点
- 编译通过率：EVOC2RUST在Vivo-Bench和C2R-Bench上分别达到89.7%和82.4%，显著优于基线（如C2Rust的53.1%）。
- 代码安全性：SafeRate达92.5%，避免
static mut等不安全用法（如全局变量通过Global<T>和Mutex封装）。 - 效率：限制修复轮次（括号修复5轮+LLM修复3轮），平衡效果与时间成本。
实际应用价值
- 工业迁移：支持华为生态生产级C项目转换，解决多文件架构和跨文件依赖问题。
- 跨领域扩展：框架设计通用（如骨架策略可适配其他语言翻译），特征映射规则开源。
- LLM应用范式：验证了“规则约束+LLM生成+编译反馈”的混合方法在代码翻译中的有效性。
4️⃣ 术语表
- EVOC2RUST：论文提出的C-to-Rust翻译框架，结合骨架引导和特征映射。
- LLM（Large Language Model）：大语言模型（如DeepSeek-V3），用于代码生成和修复。
- ICompRate：增量编译通过率，衡量分阶段翻译的语法正确性。
- FCompRate：填充式编译通过率，评估模块级翻译替换后的编译成功率。
- SafeRate：代码安全率，统计符合Rust内存安全规范的代码比例。
- Ptr
：框架定义的智能指针类型，替代C指针并保证安全性。 - VaList：模拟C变参列表的Rust类型，封装
&[&dyn Display]。 - Vivo-Bench/C2R-Bench：开源基准与工业级测试数据集。
（总结已合并重复术语，忽略非核心信息，突出框架设计逻辑与实验结果。）