基于熵的代码对抗翻译：面向真实世界仓库迁移

LLM 在代码生成和自动程序修复方面展现出强大能力，但迁移整个仓库很少能产出可运行的应用，因为长程翻译挑战了基于 LLM 的智能体维持仓库级迁移目标的能力。在本工作中，我们提出基于熵的代码对抗翻译（ECAT），一个用于 Android 到 HarmonyOS 仓库自动迁移的多 Agent 框架。ECAT 将仓库迁移形式化为通过生成器-判别器架构进行的对抗熵最小化。判别器使用称为 Code Entropy 的统一指标衡量迁移质量，并产生文本梯度，同时指定文件级生成指令和执行这些指令所需的技能。在这些优化信号的引导下，生成器迭代更新仓库，且每次更新仅在其降低 Code Entropy 时被接受。生成器-判别器的反复交互逐步将迁移从初始模板推进到功能完整的 HarmonyOS 仓库。成功的低熵轨迹进一步被蒸馏进一个自演化的记忆树，实现跨仓库可迁移的迁移知识。我们还提出 A2H-RepoBench，首个面向 Android 到 HarmonyOS 仓库迁移的真实世界基准，覆盖代码规模从数万到数十万行的应用。以节点对齐度和基于 Agent 的功能评审员评估，ECAT 达到 74.7% 的整体迁移质量，并在不同规模的仓库上持续优于现有的基于 Agent 的方法。