2025_NIPS_MigGPT: Harnessing Large Language Models for Automated Migration of Out-of-Tree Linux K...

一、文章主要内容总结

文章聚焦Linux内核树外补丁的跨版本迁移难题，提出了基于大语言模型（LLMs）的自动化迁移框架MIGGPT。核心目标是解决传统手动迁移耗时、现有工具适配场景有限的问题，同时克服LLMs在代码上下文理解不完整、迁移点定位不准确等挑战。

MIGGPT通过创新的代码指纹（CFP）数据结构封装代码关键信息，搭配三个核心模块（检索增强模块、检索对齐模块、迁移增强模块），将迁移任务拆分为“目标代码检索”和“补丁迁移”两步。文章还构建了包含135个真实迁移案例的基准测试集，覆盖RT-PREEMPT、Raspberry Pi Linux等主流树外补丁项目。实验表明，MIGGPT在多种LLM（如GPT-4-turbo、DeepSeek-V3）上的平均迁移完成率达74.07%，较原生LLMs提升45.92%，且仅需人类专家2.08%的时间成本。

二、创新点

1. 提出代码指纹（CFP）结构：轻量级顺序数据结构，保留函数定义、调用、注释及内联汇编等关键信息，适配不完整代码片段处理，为LLMs提供精准迁移上下文。
2. 设计三模块协同框架：检索增强模块解决结构歧义与关联代码缺失问题，检索对齐模块明确代码片段边界，迁移增强模块精准定位迁移点，针对性攻克LLMs迁移痛点。
3. 构建首个树外补丁迁移基准测试集：基于真实项目，涵盖无冲突（Type 1）和冲突型（Type 2）两类迁移场景，为相关工具性能评估提供统一标准。
4. 验证跨场景与跨语言通用性：在Lin