CoSTAR：用于遗留系统现代化的数据合成驱动的约束感知 COBOL 部分摘要

COBOL 对于政府、金融机构和大型企业仍然至关重要；然而，技术老化、专业知识萎缩和文档缺失使得基于 COBOL 的遗留系统的现代化变得越来越紧迫。在迁移之前，代码摘要是支持遗留系统理解的常见做法。然而，COBOL 代码摘要，特别是在节级别上，面临两个关键挑战：数据稀缺和迁移约束保留。为了应对这些挑战，我们提出了 CoSTAR，这是一个集成框架，它将执行验证的数据合成与约束感知的 模型训练 相结合。 CoSTAR 重新利用通用编程任务，通过基于 LLM 的生成来合成经过执行验证的 COBOL 代码摘要数据，从而克服数据稀缺的问题。基于合成数据，CoSTAR 通过相关数据声明和自然语言解释来增强目标部分，并使用约束引导的结构化原理来训练较小的基础 LLM。训练后的 LLM 保留 COBOL 部分摘要的迁移约束。我们在公共和机密企业 COBOL 系统上评估 CoSTAR。 CoSTAR 有效地综合了 3,764 个经过执行验证的训练实例。基于这些实例，基于 7B/8B 基础 LLM 构建的 CoSTAR 可以改进这些 LLM，在 ROUGE-L 上平均相对增益为 25.38%，在 METEOR 上平均相对增益为 53.84%，在 chrF 上平均相对增益为 37.22%。在实际企业评估中，CoSTAR仅基于Qwen3-8B构建，在准确性、完整性和简洁性方面优于企业部署的Qwen3-235B。这些结果表明，对于隐私敏感的 COBOL 遗留系统，CoSTAR 使小型、可本地部署的 LLM 能够实现与更大的 LLM 相媲美的性能。