いや、折れ線グラフとかじゃないよ。これはAIがプログラムのコードを書くときに、必要な知識を迷わずに見つけられるようにするための『知識の地図』みたいなものだね。

それがそうでもないんだ。最近のAIはコード生成が得意だけど、複雑な問題になると、外部のドキュメントやライブラリの使い方を間違えて参照したり、全然関係ない情報を拾ってきて『ハルシネーション』、つまりもっともらしい嘘をついちゃうことがあるんだよ。

そこでこの論文では、情報をただのテキストとして持っておく代わりに、コードの構造やドキュメントのつながりを「グラフ」として整理する『PKG（Programming Knowledge Graph）』を提案しているんだ。これを使うと、AIが「今はこの関数のこの部分が必要だ」ってピンポイントで理解できるようになる。

コードの場合は『AST（抽象構文木）』っていう、プログラムの構造を木のように表したデータを使うんだ。関数の中にどんなブロックがあるかを階層的に整理する。ドキュメントの場合は、JSON形式でタイトルや説明、例題を構造化してつなげるんだよ。

HumanEvalやMBPPっていう、コード生成のテストで評価したんだけど、従来の方法より正解率が最大で20%から34%も上がったんだ。特に、RAGを使わない方が正解できる簡単な問題のときは、無理に検索結果を使わないようにする『リランカー』っていう仕組みも効いているね。

そうだね。プログラミングの知識が膨大になっても、このPKGがあればAIが正確にサポートしてくれる。ただ、まだ課題もあって、特定のトピック、例えば文字列操作なんかはRAGを使っても難しい場合があるみたいだ。今後の研究では、もっと複雑な依存関係をどう扱うかが鍵になるだろうね。

その前に、まずは大学の講義の知識をグラフ化して、単位を落とさないように整理したほうがいいと思うよ。

お、そこに目を付けるなんて珍しいな。簡単に言うと、AIが巨大なプログラムの構造を正しく理解するための「地図」をどう作るか、っていう研究だよ。

読めるけど、限界があるんだ。普通のRAGだと、関連しそうなコードの断片をバラバラに取ってくるだけだから、ファイル同士の複雑なつながりを見失っちゃうんだよ。これを「コンテキストの平坦化」って呼んでいる。

一つはLLMにグラフを作らせる方法（LLM-KB）。もう一つは、ASTっていうプログラムの解析器を使って、ルール通りにカチッと作る方法（DKB）だ。ASTは「抽象構文木」の略で、コードの文法構造を木のような形で表したものだよ。

違う。全然違う。……まあいいや。とにかく、この論文の面白いところは「LLMに任せるより、昔ながらの解析手法（DKB）を使ったほうが速くて正確で安い」って結論づけたところなんだ。

そうなんだ。実験結果を見ると、LLM-KBはグラフを作るのに数分かかるのに、DKBはたったの数秒で終わる。しかも、LLMはたまにファイルを読み飛ばしたり、間違った関係を作ったりする「確率的な不安定さ」があるんだよ。

将来性は高いね。ただ、今のDKBはJavaっていう言語に特化しているし、動的な依存関係までは追いきれないっていう限界もある。今後は他の言語への対応や、もっと深い解析との組み合わせが研究されていくはずだよ。

それは光栄だけど……君の場合、地図があっても勝手に道なき道を進んでいくから、ガイドする側は大変なんだよ。

上手いこと言ったつもりか！さっさと次の論文読むぞ。