automated program repair | BriefGPT

关键词automated program repair

搜索结果 - 22

自动程序修复：新兴趋势对基准测试提出和暴露问题
机器学习在自动程序修复领域中广泛应用，使用神经机器翻译和大型语言模型生成软件补丁等任务，但与以往的研究存在重要差异，因此评估和比较结果必须谨慎确保其有效性和普遍性，挑战在于现有的评估基准并非针对机器学习技术设计，尤其是大型语言模型，其训练数
PDF2 months ago
为无 FL 修复程序对齐 LLMs
本文研究了一种新的适用于程序修复的方法，发现目标对齐对于充分利用 LLM 的预训练能力是关键的，并通过直接调试替代传统的定位 - 修复工作流程，提出了一种新的思路来利用 LLMs 进行 APR。
PDF3 months ago
基于同行援助的修复器：赋予大型语言模型修复高级学生作业的能力
我们基于大型语言模型（LLM）提出了一个名为 PaR 的框架，用于解决高级编程作业中的程序错误修复问题，并通过对新的高级学生作业数据集（Defects4DS）和另一个经过深入调查的 ITSP 数据集的评估，展示了超越现有 LMM - 和基于
PDF3 months ago
RepairAgent：基于 LLM 的自主程序修复代理
该论文介绍了 RepairAgent，其是第一个基于大型语言模型（LLM）的自主代理解决程序修复挑战的工作。RepairAgent 通过调用合适的工具来自主规划和执行修复操作，包括收集有关错误的信息、收集修复材料以及验证修复结果，并在先前修
PDF3 months ago
DeepCode AI Fix: 用大型语言模型修复安全漏洞
使用大型语言模型的程序修复任务中，通过降低训练数据量、使用代码剪裁技术及构建全面的代码修复数据集，我们的系统能够在更少的案例中准确匹配人工修复，并显著提升可用模型的性能。
PDF4 months ago
RepairLLaMA: 高效表示与微调适配器用于程序修复
RepairLLaMA 是一种新颖的程序修复方法，结合了 APR 的代码表示和名为 LoRA 的最先进的参数高效 LLM 微调技术，从而产生了一个高度有效的 “程序修复适配器” 来修复语言模型中的错误。
PDF6 months ago
脱离上下文：神经程序修复中的本地上下文有多重要？
研究了当前模型中小输入窗口对自动程序修复的限制，探讨了本地上下文对修复成功的重要性，发现整体修复成功与本地上下文的大小正相关（但不适用于所有错误类型），并确认了常见做法，即用于上下文的输入窗口应占总窗口的 50-60%。该研究对于基于 Tr
PDF7 months ago
合作驾驶机组员：将大型语言模型与完成引擎融合用于自动程序修复
在修复自动化程序中，利用大型语言模型 (LLMs) 通过与补全引擎的互动，协同合成出更多有效的补丁，在生成预算相同的情况下，比基础的 LLM 能够产生更多有效和正确的补丁。
PDF10 months ago
神经网络修复安全漏洞的有效性
本文首次研究并比较了基于大型代码语言模型和基于深度学习的自动化程序修复技术在 Java 漏洞修复方面的能力，结果表明现有的语言模型和程序修复技术修复的 Java 漏洞很少，呼吁创新提高 Java 漏洞修复的自动化程度。
PDFa year ago
基于代码审查的自动化程序修复：预训练 Transformer 模型的表现如何？
探究如何利用预训练语言模型对自动程序修复进行改进，研究表明采用 PLBART 和 CodeT5 两种预训练模型 Fine-Tune 后，能在自然语言的程序修复数据集上显著提高性能，其中预训练机制对性能提升至关重要。
PDFa year ago
RunBugRun -- 一个用于自动程序修复的可执行数据集
通过提供一个可完全执行的、由 450,000 个错误 / 修复的代码对组成的数据集及其测试 / 编译基础设施和详细的 bug 类型标签，本文旨在促进神经程序修复技术向可执行代码表示转型，提高基于执行的特征的使用，并通过包括多种不同语言的数据
PDFa year ago
继续交谈：使用 ChatGPT 每个 0.42 美元修复了 337 个错误中的 162 个
ChatRepair 是第一个全自动、基于会话的自动程序修复方法，它以对话方式交替进行修补生成和直接反馈以实现自动程序修复。
PDFa year ago
KNOD: 面向自动化程序修复的领域知识蒸馏树解码器
文章提出一种基于深度学习技术的自动程序修复方法 KNOD，其利用了领域知识来指导补丁生成，并在三个广泛使用的基准测试中越过了所有现有的 APR 工具。
PDFa year ago
利用大型语言模型修复 Python 作业中的错误
使用 Codex 这样的大型编程语言模型，在多模式提示、迭代式查询、基于测试用例的少样本选择和程序块组合的帮助下，构建了一个自动编程修复 (MMAPR) 系统来解决学生在 Python 编程课程中常见的语法和语义错误问题，并与已有基线方案相
PDF2 years ago
InvAASTCluster：基于不变式的程序聚类在入门编程作业中的应用
该论文提出了一种新颖的程序聚类方法 InvAASTCluster，利用动态生成的程序不变量观察多个程序执行结果以聚类语义等效的 IPAs。研究结果表明，InvAASTCluster 在聚类一组不同 IPAs 时，比基于语法的表示方法表现更好
PDF2 years ago
C-Pack of IPAs: 初学者编程作业的 C90 程序基准
本文提出了 C-Pack-IPAs，一个公开的基准测试，其中包括由学生提交的 25 个不同的初级编程题的程序和测试套件，可以帮助评估针对初学者编程者的新颖语义和句法自动程序修复框架的开发。
PDF2 years ago
使用 OpenAI 的 Codex 进行自动程序修复：评估 QuixBugs
本文研究了 OpenAI 的 Codex 是否能够定位和修复软件中的错误，发现 Codex 的泛用性使其非常有效，而且在修复 Python 中的错误方面具有一定的优势。
PDF3 years ago
神经程序修复的句法引导编辑解码器
本文提出了 Recoder—— 一种基于语法引导的、用于自动程序修复的编码器解码器模型，它通过生成编辑操作而不是修改代码来修复缺陷，可以高效表示小的编辑。模型支持生成可以相应项目中定义的标识符，相较于现有的 APR 方法具有更好的通用性和修
PDF3 years ago
应用 CodeBERT 对 Java 简单缺陷进行自动化程序修复
本文提出一种基于 CodeBERT 的自动化程序修复方法，使用 ManySStuBs4J 小和大数据集对模型进行微调，能够准确地预测开发人员在 19-72％的情况下实现修复代码，并可以在不到一秒钟的时间内自动生成修复程序。
PDF3 years ago
ICLR联合学习定位和修复的神经程序修复
本研究采用多头指针网络模型，实现联合定位和修复变量误用错误，并表明该联合模型比指针模型在修复方面性能更佳。
PDF5 years ago