An Automatically Created Novel Bug Dataset and its Validation in Bug Prediction
在软件开发过程中,由于频繁的代码更改,紧迫的期限等,错误是不可避免的;因此,重要的是要有工具来发现这些错误。执行错误识别的一种方式是分析来自过去的有错误的源代码元素的特性,并且使用例如机器学习模型基于相同的特性来预测当前的源代码元素。为了支持模型构建任务,代码元素及其特征被收集在所谓的错误数据集中,作为学习的输入。我们介绍\emph{BugHunter Dataset}:一种新型的自动构建和免费可用的bug数据集,包含具有广泛代码度量和bug信息的代码元素(文件,类,方法)。其他可用的bug数据集遵循传统的方法,即仅在代码的一个或多个预先选择的发布版本中收集所有源代码元素(有bug和无bug)的特征。我们的方法,另一方面,捕获的错误和固定状态的相同的源代码元素从最短的时间内,我们可以确定一个错误的存在,无论发布版本。为了展示新数据集的有用性,我们构建并评估了错误预测模型,并实现了超过0.74的F-测量值。
2020-06-17 cs.SE
A Comprehensive Study of Native Code Bugs in Python Applications
Washington State University(华盛顿州立大学)
本文对GitHub真实Python项目的216个本地代码漏洞开展首次深入研究,剖析其多方面特征,获取了此类漏洞发生机制与修复策略的新见解。
2026-09-01 cs.CR cs.SE
From Bugs to Benchmarks: A Comprehensive Survey of Software Defect Datasets
University of California, Davis(加州大学戴维斯分校);University of Stuttgart(斯图加特大学)
本文综述了151个软件缺陷数据集,探讨了其范围、构建方法及应用,并提出未来研究方向以解决缺陷类型代表性不足的问题。
2026-02-10 cs.SE
Bug Characteristics in Quantum Software Ecosystem
随着近年来量子计算的发展,量子软件对于探索量子计算系统的全部潜力至关重要。量子编程不同于经典编程,例如,量子程序的状态本质上是概率性的,并且由于量子机制的不稳定性,量子计算机容易出错。因此,量子软件项目中的bug的特征可能与经典软件项目中的bug有很大不同。这项工作旨在了解量子软件项目中错误的特征,以便提供见解,帮助设计有效的测试和调试机制。为了实现这一目标,我们对125个量子软件项目的错误报告进行了实证研究。我们观察到量子软件项目比经典软件项目更容易出错,并且量子项目的错误比经典项目的错误修复成本更高。我们还确定了错误的类型和它们发生的量子编程组件。我们的研究表明,错误分布在不同的组件中,但量子特定的错误特别出现在编译器,门操作和状态准备组件中。最常见的三种错误类型是程序异常错误、配置错误和数据类型和结构错误。我们的研究强调了量子软件开发中一些特别具有挑战性的领域,例如缺乏科学的量子计算库来实现量子计算的综合数学函数。量子开发人员还寻求专门的量子软件工程数据操作库,如量子计算的Numpy。我们的研究结果还为未来的工作提供了见解,以推进量子软件的量子程序开发,测试和调试,例如为调试低级电路提供工具支持。
2022-04-25 cs.SE
Leveraging Data Characteristics for Bug Localization in Deep Learning Programs
针对深度学习程序结构性缺陷难定位的问题,提出Theia,结合训练数据集特征在训练初期检测Keras/PyTorch程序缺陷并给出位置与修复建议,在40个真实程序上定位57/75个缺陷,显著优于NeuraLint的17/75。
2024-12-08 cs.SE
DABT: A Dependency-aware Bug Triaging Method
Ryerson University(瑞尔森大学)
在软件工程实践中,及时修复错误可以降低相关成本。另一方面,手动错误修复过程可能是耗时的,繁琐的,并且容易出错。在这项工作中,我们引入了一种错误分类方法,称为依赖性感知错误分类(DABT),它利用自然语言处理和整数编程将错误分配给适当的开发人员。与以往的工作,主要集中在一个方面的错误报告,DABT考虑的文本信息,成本与每个错误,以及它们之间的依赖关系。因此,这个全面的制定涵盖了以前的作品中最重要的方面,同时考虑到了错误的阻塞效果。我们报告了三个开源软件系统上的算法性能,即,支持JDT、LibreOffice和Mozilla。我们的结果表明,DABT能够将逾期错误的数量减少高达12%。它还将bug的平均修复时间减少了一半。此外,它通过优先考虑阻塞错误来降低错误依赖图的复杂性。
2021-04-26 cs.LG cs.SE
Bug Characterization in Machine Learning-based Systems
Polytechnique Montréal(蒙特利尔理工学院);York University(约克大学)
本文研究了基于ML的软件系统中的缺陷特征,通过分析GitHub上300个代码库的386个问题,发现ML组件比非ML组件更易出错且修复成本更高。
2023-07-26 cs.LG cs.SE
A Comprehensive Study of Bug-Fix Patterns in Autonomous Driving Systems
University of California, Irvine(加利福尼亚大学欧文分校)
本文通过对 Apollo 和 Autoware 两大自动驾驶项目中 1,331 个缺陷修复实例的实证分析,揭示了路径规划、数据流和配置管理等主要缺陷修复模式,并提出了缺陷层级结构及句法和语义修复模式分类体系,为提升自动驾驶系统可靠性与安全性提供指导。
2025-02-04 cs.RO cs.SE
When Bugs Linger: A Study of Anomalous Resolution Time Outliers and Their Themes
Juniper Networks Inc.(Juniper Networks公司)
本研究通过分析开源项目中bug解决时间的异常值,利用统计方法和聚类技术识别出测试失败、增强请求和用户界面问题等主题,为项目维护者提供解决长期bug的策略。
2026-01-07 cs.LG cs.SE
A Study of Bug Resolution Characteristics in Popular Programming Languages
本文介绍了一项大规模的研究,调查了用不同程序设计语言编写的流行Github项目中的错误解决特征。我们探索相关性,但当然不能推断因果关系。具体来说,我们分析了来自大约7000万个源代码行的错误解决数据,这些数据来自600个GitHub项目的300万次提交,主要是用10种程序设计语言编写的。我们发现明显的错误解决时间和补丁(修复)大小的显着变化。虽然从这种大规模的实证研究结果的解释是固有的困难,我们认为,中位数的差异是足够大,值得进一步调查,复制,重新分析和后续研究。例如,在我们的语料库中,Ruby的明显bug解决时间(从引发到解决的时间)中位数是Go的4倍,Java的2.5倍。我们还发现,对于强类型和静态类型的程序,补丁往往会触及更多的文件。然而,我们也发现了一个较低的解决bug的解决时间的证据提交到静态类型语言构建的项目。这些发现,如果在随后的后续研究中重复,可能会进一步揭示关于静态类型重要性的争论。
2020-01-04 cs.SE
S-DABT: Schedule and Dependency-Aware Bug Triage in Open-Source Bug Tracking Systems
Ryerson University(瑞尔森大学)
及时修复错误可以降低软件维护中的各种潜在成本。然而,手动的bug修复调度可能是耗时的,麻烦的,并且容易出错。在本文中,我们提出了时间表和依赖性意识的错误分类(S-DABT),一个错误分类方法,利用整数规划和机器学习技术分配错误到合适的开发人员。与以前的工作,主要集中在一个单一的组件的错误报告,我们的方法考虑到文本数据,错误修复成本,和错误的依赖关系。我们进一步将开发人员的时间表纳入我们的制定中,以便为这个多方面的问题提供更全面的模型。因此,这个完整的公式考虑了开发人员的时间表和错误的阻塞效应,同时涵盖了以前提出的方法的最重要的方面。我们对四个开源软件系统,即OpenSeJDT,LibreOffice,GCC和Mozilla的数值研究表明,考虑到开发人员的时间表减少了平均错误修复时间。我们发现,S-DABT导致开发人员利用率高,通过公平分配的开发人员之间的任务和有效地利用他们的时间表中的空闲点。通过问题跟踪系统的模拟,我们还展示了如何将计划在模型制定减少了错误修复时间,提高了分配的准确性,并利用每个开发人员的能力,而没有太多的模型运行时间。我们发现,S-DABT降低了错误依赖图的复杂性,通过优先级阻塞错误,并有效地降低了不可行的分配率,由于错误的依赖关系。因此,我们建议在自动化bug分类时考虑开发人员的时间表。
2022-04-12 cs.LG cs.SE
The Foundation Cracks: A Comprehensive Study on Bugs and Testing Practices in LLM Libraries
Xi'an Jiaotong University, China(西安交通大学);Singapore Management University, Singapore(新加坡国立管理学院);University of Massachusetts Amherst, USA(马萨诸塞大学阿姆赫斯特分校);Nanyang Technological University, Singapore(南洋理工大学)
该研究首次针对HuggingFace Transformers和vLLM两类主流LLM库的缺陷特征与测试实践开展实证分析,明确缺陷类型与核心成因,指出现有测试的不足并提出质量保障建议。
2025-06-14 cs.AI cs.SE
An Empirical Study on the Characteristics of Database Access Bugs in Java Applications
本研究通过分析423个Java应用中的数据库访问错误,归纳出五大类根本原因,发现SQL查询、模式和API错误占84.2%,为开发者和研究者提供了改进建议。
2024-05-23 cs.DB cs.SE
Locating Buggy Segments in Quantum Program Debugging
本文首次针对量子程序调试提出考虑程序段位置依赖测试成本及统计测试精度-成本权衡特性的缺陷定位方法,实验证明其能有效降低以量子门执行数衡量的定位成本。
2024-01-15 cs.SE
Empirical Analysis of Temporal and Spatial Fault Characteristics in Multi-Fault Bug Repositories
本文实证分析了Defects4J和BugsInPy中16个开源项目的故障时空特征,发现许多故障长期存在且多版本共存,且故障在子集中均匀分布,纠正了原数据集单故障假设。
2025-08-12 cs.SE
Challenging Bug Prediction and Repair Models with Synthetic Bugs
University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);Stanford University(斯坦福大学)
提出BugFarm,利用LLM在注意力最少位置修改代码,生成难以检测和修复的复杂缺陷,评估显示其优于现有方法。
2025-09-09 cs.LG cs.SE
Understanding Bugs in Multi-Language Deep Learning Frameworks
Central China Normal University(华中师范大学);Wuhan University(武汉大学)
深度学习框架(DLF)在这个智能时代扮演着越来越重要的角色,因为它们是越来越广泛的基于AI的应用程序的基础设施。同时,作为多编程语言(MPL)软件系统,DLF不可避免地遭受由使用多个程序设计语言(PL)引起的错误。因此,了解错误(特别是涉及多个PL的错误,即,MPL缺陷),为DLF开发过程中缺陷的预防、检测和解决提供了依据。为此,我们手动分析了三个MPL DLF(即MXNet、PyTorch和TensorFlow)中的1497个bug。首先,我们将这些DLF中的错误分为12种类型(例如,算法设计错误和存储器错误)。其次,我们进一步探讨了不同类型的错误对DLF开发的影响,发现部署错误和内存错误在不同方面对DLF的开发产生了最大的负面影响。第三,我们发现MXNet、PyTorch和TensorFlow中分别有28.6%、31.4%和16.0%的bug是MPL bug; Python和C/C++的PL组合在修复所有DLF中超过92%的MPL bug时使用最多。最后,在所有三个DLF中,MPL错误修复的代码更改复杂性明显大于单一编程语言(SPL)错误修复,而在PyTorch中,MPL错误修复的开放时间更长,通信复杂性也比SPL错误修复更高。这些结果为DLF中的错误管理提供了见解。
2023-03-05 cs.LG cs.SE
A Comprehensive Study of Bugs in Modern Distributed Deep Learning Systems
Hong Kong Metropolitan University(香港都会大学);Wuhan University of Technology(武汉理工大学);City University of Hong Kong(香港城市大学);University College London(伦敦大学学院)
本文通过分析849个真实问题,构建了分布式深度学习框架中bug症状、原因和修复模式的分类体系,揭示了分布式训练中的常见问题及解决方法。
2025-12-23 cs.SE
Semantic GUI Scene Learning and Video Alignment for Detecting Duplicate Video-based Bug Reports
William & Mary(威廉玛丽学院);University of Central Florida(中佛罗里达大学)
针对GUI程序视频类错误报告的重复检测难题,提出融合视觉Transformer场景学习与自适应加权视频对齐的JANUS方法,在含7290项任务的基准上性能优于现有工作约9%。
2024-07-11 cs.LG cs.SE
FuncDroid: Towards Inter-Functional Flows for Comprehensive Mobile App GUI Testing
FuncDroid通过跨功能流导向的GUI测试方法,有效提升移动应用测试的覆盖率和bug检测能力。
2026-07-15 cs.SE
Bug Whispering: Towards Audio Bug Reporting
本文提出通过录制并提交音频消息让终端用户即时报告移动应用缺陷,分析其提升报告数量与修复效率的潜力及对现有复现技术的挑战。
2025-08-31 cs.SE
Characterizing and Detecting CUDA Program Bugs
虽然CUDA已经成为通用GPU计算的主要并行计算平台和编程模型,但CUDA引起的错误模式尚未得到很好的探索。在本文中,我们进行了第一次实证研究,以揭示基于GitHub中5个流行CUDA项目中识别的319个错误的CUDA程序错误模式的重要类别。我们的研究结果表明,CUDA特定的特征可能会导致程序错误,如同步错误,而难以检测。为了有效地检测此类同步错误,我们建立了第一个轻量级通用CUDA错误检测框架,即Simulee,通过解释相应的llvm字节码并收集内存访问信息来自动检测CUDA同步错误,从而模拟CUDA程序执行。为了评估Simulee的有效性和效率,我们进行了一组实验,实验结果表明,Simulee可以检测出27个研究的同步错误中的20个,并成功检测到26个以前未知的同步错误,其中10个已被开发人员确认。
2019-05-29 cs.SE
Imitation Game: Reproducing Deep Learning Bugs Leveraging an Intelligent Agent
Dalhousie University(达尔豪斯大学)
RepGen通过智能代理和生成-验证-改进机制,提高了深度学习bug的重现率和效率。
2026-02-26 cs.AI cs.LG cs.SE
Understanding the Heterogeneity of Contributors in Bug Bounty Programs
背景资料:虽然漏洞赏金计划在软件开发中并不新鲜,但越来越多的公司以及开源项目依赖外部方对其软件进行安全评估以获得奖励。然而,关于漏洞赏金计划贡献者的特征,经验知识相对较少。目的:本文旨在通过强调它们之间的异质性来了解这些贡献者。方法:我们分析了82个bug赏金计划和2,504个不同的bug赏金贡献者的历史,并进行了定量和定性调查。结果如下:我们发现,有特定项目和非特定的贡献者,他们有不同的动机为产品和组织做出贡献。结论:我们的研究结果提供了见解,使错误赏金计划更好地和新的软件开发角色的进一步研究。
2017-09-19 cs.SE
Repairing Deep Neural Networks: Fix Patterns and Challenges
对应用深度神经网络(DNN)的浓厚兴趣推动了支持使用DNN的软件工程的需求。修复使用DNN的软件是一个明确无误的SE需求,自动化工具可能是有益的;然而,我们并不完全了解修复的挑战和手动修复DNN时使用的模式。自动化修复工具应该解决哪些挑战?哪些修复模式的自动化可以帮助开发人员?在构建自动化bug修复工具时,哪些修复模式应该被赋予更高的优先级?这项工作提出了一个全面的研究错误修复模式,以解决这些问题。我们已经研究了来自Stack overflow的415个修复和来自Github的555个修复,用于五个流行的深度学习库Caffe,Keras,Tensorflow,Theano和Torch,以了解修复和错误修复模式的挑战。我们的主要发现表明,DNN错误修复模式与传统的错误修复模式相比是独特的;最常见的错误修复模式是修复数据维度和神经网络连接; DNN错误修复有可能引入对抗性漏洞; DNN错误修复经常引入新的错误; DNN bug本地化、训练模型的重用以及应对频繁发布是开发人员在修复bug时面临的主要挑战。我们还提供了667个DNN(bug,repair)实例的基准测试。
2020-05-03 cs.SE
Early Detection of Security-Relevant Bug Reports using Machine Learning: How Far Are We?
Université du Québec à Montréal(魁北克大学蒙特利尔分校);University of Luxembourg(卢森堡大学)
错误报告是软件开发中常见的人工制品。它们是用户与开发人员交流有关使用软件程序发布版本时遇到的问题的信息的主要渠道。然而,在问题描述中,用户可能有意或无意地暴露漏洞。在典型的维护场景中,开发团队在准备纠正补丁时会优先考虑此类安全相关的错误报告。然而,当安全相关性没有立即表达时(例如,通过标签)或由分类小组快速识别,开放的安全相关错误报告可能成为攻击者可以用来执行零日攻击的敏感信息的关键泄漏。为了支持实践者对错误报告进行分类,研究社区提出了许多用于检测安全相关错误报告的方法。近年来,基于机器学习的这方面的方法已经被报道具有有前途的性能。我们的工作侧重于这些方法,并重新审视其组成部分,以全面了解目前的成就。为此,我们构建了一个大型实验数据集,并使用不同的特征集和学习算法进行了广泛的实验。最终,我们的研究强调了不同的方法配置,产生最佳性能的分类器。
2021-12-19 cs.CL cs.LG cs.SE
Characterizing Bugs in Python and R Data Analytics Programs
该研究通过分析Stack Overflow帖子、GitHub修复提交与Issue,系统对比了R和Python数据分析程序的Bug类型、根本原因及关联,得出多维度差异结论并贡献了人工验证的Bug数据集。
2023-06-14 cs.SE
GitBugs: Bug Reports for Duplicate Detection, Retrieval Augmented Generation, Triage, and More
Hewlett Packard Enterprise(惠普企业);Heinz College of Information Systems and Public Policy Carnegie Mellon University(卡内基梅隆大学海因茨信息系统与公共政策学院)
GitBugs包含15万余条bug报告,提供标准化分类字段和预定义训练测试集,支持重复检测、检索增强生成、自动分拣等软件工程研究任务。
2026-04-28 cs.SE
Demystifying the Silence of Correctness Bugs in PyTorch Compiler
The Hong Kong University of Science and Technology(香港科技大学);Guangzhou HKUST Fok Ying Tung Research Institute(广州香港科技大学霍英东研究院);Carnegie Mellon University(卡内基梅隆大学)
本文研究PyTorch编译器中正确性错误的特征,提出AlignGuard技术检测此类错误,已发现23个新错误,其中14个被标记为高优先级。
2026-04-09 cs.AI cs.SE
Evaluating Manual Intervention to Address the Challenges of Bug Finding with KLEE
符号执行已经显示出其在软件中发现安全相关缺陷的能力,但面临着重大的可扩展性挑战。人们普遍认为,专家的人工干预可以帮助减轻这些限制因素。然而,很少有正式的调查这一想法。在本文中,我们提出了我们的经验,应用KLEE符号执行引擎的一个新的错误语料库,并使用人工干预,以减轻遇到的问题。我们的贡献是(1)半翅目,一个新的语料库的130多个错误,在现实世界的软件,(2)一个全面的评估KLEE符号执行引擎的半翅目与经常发生的软件模式的分类是有问题的符号执行,和(3)评估手动缓解旨在解决符号执行的根本问题。我们的经验表明,在许多情况下,手动干预可以增加代码覆盖率和bug检测。然而,这不是一个银弹,我们讨论它的局限性和遇到的挑战。
2018-05-09 cs.SE
The Repeat Offenders: Characterizing and Predicting Extremely Bug-Prone Source Methods
University of Manitoba(曼尼托巴大学)
本研究探讨了极易出错方法的特征和预测挑战,发现这些方法在项目中占比虽小但引发bug的比例大,提出了针对此类方法的改进预测模型方向。
2026-02-27 cs.SE
Watch out for Extrinsic Bugs! A Case Study of their Impact in Just-In-Time Bug Prediction Models on the OpenStack project
内在缺陷是指在软件的版本控制系统中可以识别出引入变更的缺陷的缺陷。相比之下,外部错误是由软件的外部更改引起的,例如外部API中的错误;因此,它们没有明确的错误会在版本控制系统中引入更改。虽然大多数以前的研究文献都假设所有的错误都是内在的,但在以前的研究中,我们发现并非所有的错误都是内在的。本文展示了一个例子,如何考虑外部缺陷可以影响软件工程的研究。具体来说,我们研究外部错误的影响,在及时错误预测的部分复制最近的研究由麦金托什和龟井JIT模型。这些模型使用早期引入bug的更改的属性进行训练。由于外部错误没有在版本控制系统中引入更改的错误,因此我们手动管理McIntosh和Kamei的数据集以区分内部和外部错误。然后,我们解决他们原来的研究问题,这一次删除外部错误,研究是否错误引入的变化是一个移动的目标,在即时错误预测。最后,我们研究了内部和外部错误的特征是否不同。我们的研究结果表明,内在和外在的错误是不同的性质。当删除外部错误时,性能差异高达16%曲线下面积点。这表明我们的JIT模型获得了对现实世界更准确的表示。我们的结论是,外部错误产生负面影响的即时模型。此外,我们提供的证据表明,外部错误应该进一步调查,因为它们可以显着影响软件工程师如何理解错误。
2021-03-28 cs.SE
Characterizing and Mitigating False-Positive Bug Reports in the Linux Kernel
School of Computer Software, Tianjin University(天津大学计算机科学与技术学院);School of Artificial Intelligence, Tianjin University(天津大学人工智能学院)
本文研究Linux内核中虚假正例缺陷报告的问题,通过构建2006份报告数据集,发现虚假正例需与真实缺陷同等努力,主要出现在文件系统和驱动程序中,采用RAG策略可实现91%召回率和88%F1分数。
2026-05-08 cs.SE
A Deep Dive Into How Open-Source Project Maintainers Review and Resolve Bug Bounty Reports
本文通过列表调查、Likert量表调查和半结构化访谈,研究了开源软件维护者使用huntr平台审查漏洞赏金报告的视角,将40项特征分为收益、挑战、有用和期望功能,发现私下披露和项目可见性最重要,并提出优化审查流程的建议。
2025-02-03 cs.CR cs.SE
A First Look at Bugs in LLM Inference Engines
School of Computer Science, Peking University(北京大学计算机学院);Institute for Artificial Intelligence, Peking University(北京大学人工智能研究院);School of Software, Tsinghua University(清华大学软件学院)
本文首次对LLM推理引擎中的bug进行实证研究,揭示了六种bug症状类型和28种根本原因,为研究人员和开发者提供了改进bug检测与修复的指导。
2026-01-09 cs.SE
Bugs in Large Language Models Generated Code: An Empirical Study
Polytechnique Montréal(蒙特利尔理工学院)
本研究通过分析333个来自主流LLM的代码缺陷,识别出10种缺陷模式,并通过调查验证,为提升LLM生成代码质量提供指导。
2024-03-18 cs.AI cs.SE
Toward Understanding Deep Learning Framework Bugs
本研究通过对四个主流DL框架的1000个缺陷进行大规模分析,揭示了缺陷特征,提出了改进检测与调试的指南,并开发了有效工具TenFuzz,发现3个新缺陷。
2024-08-21 cs.SE
A Deep Dive into Large Language Models for Automated Bug Localization and Repair
本文提出 Toggle 框架,利用不同 LLM 分阶段实现 token 级缺陷定位与程序修复,并通过提示优化在 CodeXGLUE 上达到 SOTA。
2024-05-10 cs.SE
Mea culpa: How developers fix their own simple bugs differently from other developers
基于SStuBs数据集研究代码作者身份对漏洞修复提交的影响,发现原作者修复简单漏洞的速度更快且提交规模更大,而其他开发者的修复更小且专注,为定制化修复工具提供了依据。
2021-03-22 cs.SE
A Study of Using Multimodal LLMs for Non-Crash Functional Bug Detection in Android Apps
针对传统GUI测试难以检测非崩溃功能性(NCF)Bug的问题,本研究实证探索了利用多模态LLM作为测试预言机检测Android应用NCF Bug的有效性,发现其检测率达49%并新发现24个未知Bug,揭示了该方法的潜力与局限。
2024-07-26 cs.SE
When Deep Learning Meets Information Retrieval-based Bug Localization: A Survey
本文综述了61篇利用深度学习的基于信息检索的缺陷定位(IRBL)研究,总结了工作流各阶段的最佳实践,指出DL有效解决了词汇鸿沟和冷启动等问题,并展望了多语言、细粒度及大语言模型应用等未来方向。
2025-04-30 cs.SE
An Empirical Evaluation of Locally Deployed LLMs for Bug Detection in Python Code
Independent Researcher Master of Electrical(独立研究者 电气工程硕士)
本文评估了本地部署的LLaMA 3.2和Mistral在Python bug检测中的性能,发现其准确率在43%-45%之间,但难以精确定位修复。
2026-04-25 cs.AI cs.LG cs.SE
Understanding Bugs in Modern Agentic Frameworks: A Study of Symptoms, Root Causes, and Triggering Conditions
Concordia University(康科迪亚大学)
本文研究现代代理框架中的缺陷,通过分析409个修复的bug,提出五层抽象模型,揭示独特的症状和根本原因,并识别可转移的bug触发模式,提升代理系统的可靠性。
2026-07-30 cs.SE
Automatically Detecting Heterogeneous Bugs in High-Performance Computing Scientific Software
针对HPC科学应用中跨平台数据移动引发的异构Bug难检测问题,提出结合NLP、脱靶测试等技术的HeteroBugDetect自动化方法,在LAMMPS上验证可检测多类异构Bug,提升跨HPC环境可靠性。
2025-01-16 cs.SE
Architecture Smells vs. Concurrency Bugs: an Exploratory Study and Negative Results
本研究探索架构异味与并发缺陷的关联,通过分析5个大型软件系统的125个版本,发现某些异味可能预示特定并发问题,但两者总体不相关,需结合项目特征具体分析。
2023-03-31 cs.SE
An Empirical Study of OSS-Fuzz Bugs
连续模糊是一种越来越流行的自动质量和安全保证技术。Google维护OSS-Fuzz:一个针对开源软件的持续模糊服务。我们对OSS-Fuzz进行了第一次实证研究,分析了在316个项目中发现的23,907个错误。我们研究的模糊发现故障的特点,这种故障的生命周期,随着时间的推移,模糊运动的演变。我们发现,OSS-Fuzz通常能有效地快速找到bug,开发人员通常能快速修补它们。然而,漏洞,超时,内存不足的错误是有问题的,人们很少文件的安全漏洞的CVE,和模糊活动往往表现出间断的均衡,开发人员可能会惊讶于发现的bug的大峰值。我们的研究结果对未来的模糊研究和实践的影响。
2021-03-21 cs.CR cs.SE
Metamorphic Testing of a Deep Learning based Forecaster
Accenture Labs(埃森哲实验室);Accenture(埃森哲)
在本文中,我们介绍了一个基于深度学习的预测应用程序的变形测试。该应用程序查看过去的系统特征数据(例如“内存分配”),以预测未来的中断。我们重点关注两个基于统计/机器学习的组件-- a)检测系统特征之间的相关性,以及b)使用LSTM(一种深度学习架构)估计系统特征的未来值。总共有19种变形关系已经被开发出来,我们在适用的地方提供了证明和算法。我们通过两个设置来评估我们的方法。首先,我们在实际应用中执行了这些关系,发现了8个以前不知道的问题。其次,我们通过突变测试在基于LSTM的预测器的参考实现上生成了假设的错误,并发现65.9%的错误是通过关系捕获的。
2019-07-13 cs.LG cs.SE
Categorizing Bugs with Social Networks: A Case Study on Four Open Source Software Communities
ETH Zurich(苏黎世联邦理工学院)
有效的错误分类过程是成功的协作软件工程项目的重要前提。对bug进行分类可能会成为一项艰巨的任务,特别是在开源软件(OSS)项目中,有大量缺乏经验的兼职贡献者。在本文中,我们提出了一个有效的和实用的方法来识别有效的错误报告,a)指的是一个实际的软件错误,b)不是重复的,c)包含足够的信息,立即处理。我们的分类是基于九个措施,以量化的社会嵌入的bug报告者在协作网络。我们证明了它的适用性的案例研究中,使用一个全面的数据集,超过70万个错误报告,从Bugzilla安装的四个主要的OSS社区,为期十多年。对于那些表现出最低比例的有效错误报告的项目,我们发现,错误报告者在协作网络中的位置是错误报告质量的一个强有力的指标。基于这一发现,我们开发了一个自动化的分类方案,可以很容易地集成到错误跟踪平台,并分析其性能在考虑OSS社区。一个支持向量机(SVM),以确定有效的错误报告的基础上的九个措施产生了高达90.3%的准确率与38.9%的召回。有了这个,我们显着提高了在以前的案例研究中获得的结果,自动早期识别的错误,最终修复。此外,我们的研究强调了在协作软件工程中使用社会组织的定量测量的潜力。它还为将社会意识纳入支助基础设施的设计开辟了广阔的前景。
2013-02-28 cs.LG cs.SE cs.SI
Finding the Needle in a Haystack: Detecting Bug Occurrences in Gameplay Videos
提出一种基于机器学习的自动化方法,用于预测游戏玩法视频片段中是否包含Bug,实验证明该方法F1分数达0.88,优于现有技术。
2023-11-18 cs.SE
Prompting Is All You Need: Automated Android Bug Replay with Large Language Models
针对 Android 缺陷复现依赖人工模式与预定义词汇的问题,本文提出基于 LLM 提示工程、少样本学习和思维链推理的 AdbGPT,无需训练即可高效复现缺陷。
2024-05-08 cs.SE
Automated flakiness detection in quantum software bug reports
针对量子软件领域缺乏不稳定测试相关研究的问题,本文梳理了量子软件错误报告中不稳定测试自动检测的挑战与潜在方案,呼吁学界关注并协作解决该新兴问题。
2024-08-09 cs.SE
Q-PAC: Automated Detection of Quantum Bug-Fix Patterns
本文提出Q-PAC自动化框架,利用抽象语法树、语法过滤器和语义检查在IBM Qiskit量子代码中检测缺陷修复模式,实验验证其有效性,并作为Q-Repair研究议程的第一阶段推动量子软件质量提升。
2023-11-29 cs.SE
MarsCode Agent: AI-native Automated Bug Fixing
ByteDance(字节跳动);Harbin Institute of Technology, Shenzhen(哈尔滨工业大学(深圳))
本文提出 AI 原生框架 MarsCode Agent,通过结合 LLM 与代码分析,并按规划、复现、定位、补丁生成及验证流程自动修复缺陷;其在 SWE-bench 上优于多数现有自动化方法。
2024-09-04 cs.AI cs.SE
Mining Crash Fix Patterns
在软件开发的生存周期中,开发人员必须修复测试人员或最终用户报告的各种错误。修复bug的效率和有效性对软件的可靠性以及开发团队的生产力有着巨大的影响。软件公司通常在测试和错误修复部门花费大量的资金和人力资源。因此,他们非常希望有一种更好、更可靠的方法来修复bug。为了实现这一目标,有必要深入研究维护良好的、高度流行的软件项目的错误修复特征。在本文中,我们研究了从Eclipse项目中提取的错误修复历史,Eclipse项目是一个维护良好,非常流行的开源项目。在分析了属于三种主要异常类型的36,000多个错误之后,我们能够揭示一些常见的修复类型,这些类型经常用于修复某些类型的程序异常。我们的分析表明,几乎所有属于某个异常的异常都可以通过不到10种修复类型来修复。我们的研究结果表明,软件项目中的大多数错误可以而且应该只通过几个常见的修复模式来修复。
2013-11-11 cs.SE