Experimental Settings in LLM-Based Program Repair: A Study of Inputs, Tool Access, Feedback, and Validation
Pennsylvania State University(宾夕法尼亚州立大学)
本研究针对基于LLM的程序修复实验设置不明确的问题,提出显式规范框架和机器可读模式,以提升可复现性和跨系统比较的清晰度。
2026-09-17 cs.SE
Revisiting Feedback-Driven LLM Code Repair: A Replication and Exploratory Java Extension
Polytechnique Montréal(蒙特利尔高等理工学院)
该研究复现了FeedbackEval基准的Python代码修复实验,扩展构建了Java代码修复基准,发现Python与Java场景下反馈有效性排名存在差异,提示需开展更严谨的多语言评估。
2026-09-02 cs.SE
Characterizing and Bridging the Diagnostic Gap in eBPF Verifier Rejections
UC Santa Cruz(加州大学圣克鲁兹分校);eunomia-bpf;Virginia Tech(弗吉尼亚理工大学);Telecom Paris(巴黎电信学院);University of Washington(华盛顿大学);University of Connecticut(康涅狄格大学)
研究eBPF验证器拒绝程序时的诊断差距,通过对235次拒绝进行实证研究量化问题。提出bpfix工具重建证明过程,构建75个LLM修复任务基准评估,发现定位证明丢失位置对修复关键,bpfix可提升修复成功率。
2026-07-07 cs.OS cs.PL cs.SE
Does Failure Feedback Direct Agent Self-Modification?
该研究通过分析达尔文哥德尔机日志及模型实验,发现失败反馈对智能体自我修改的目标特定引导性有限,仅特定场景下目标反馈可提升修复效果,评估需区分目标修复、迁移及未见过的净变化。
2026-10-14 cs.MA cs.SE
A Case Study of LLM for Automated Vulnerability Repair: Assessing Impact of Reasoning and Patch Validation Feedback
本研究提出VRpilot,一种基于推理和补丁验证反馈的LLM漏洞修复技术,在C和Java上分别比基线多生成14%和7.6%的正确补丁,并通过消融实验证实了这两个组件的关键作用。
2024-05-24 cs.SE
AkiraRust: Re-thinking LLM-aided Rust Repair Using a Feedback-guided Thinking Switch
National University of Defense Technology(国防科技大学);Southeast University(东南大学)
AkiraRust通过反馈引导的思考开关机制,实现Rust修复的语义正确性和效率提升。
2026-02-25 cs.SE
Verifix: Verified Repair of Programming Assignments
介绍性编程作业的自动反馈生成对编程教育很有用。大多数作品试图通过在选定的测试中将学生程序的行为与教师的参考程序进行比较来生成反馈以纠正学生程序。在这项工作中,我们的目标是生成可验证的正确的程序修复作为学生的反馈。学生作业在控制流方面与参考解决方案对齐和组合,数据变量的差异通过谓词自动汇总以关联变量名称。两个程序的等价性的失败验证尝试被利用来获得maxSMT查询的集合,其解决方案指向学生作业的修复。我们已经进行了实验,从一个广泛部署的智能辅导系统策划的学生作业。我们的研究结果表明,我们可以在高达58%的任务中生成经过验证的反馈。更重要的是,我们的系统会指示何时能够生成经过验证的反馈,然后新手学生可以高度自信地使用。
2021-06-30 cs.SE
Structured Feedback Improves Repair in an LLM Agent Loop
Independent Researcher(独立研究者)
研究大语言模型智能体验证与调用接口问题,提出VeriHarness代码控制智能体循环。通过比较原始诊断与含失败位置等信息的反馈,发现含三个字段反馈能大幅提升成功率,多数增益源于可接受替代方案,JSON语法本身对修复无显著作用。
2026-07-17 cs.AI cs.SE
DPO-F+: Aligning Code Repair Feedback with Developers' Preferences
Vanderbilt University(范德堡大学)
研究针对大语言模型在代码修复中开发者难解读输出的问题,提出DPO-f+框架,通过定义指标、构建数据集、微调模型及评估反馈质量,提升反馈准确性与对齐度,增强了代码理解和人机协作。
2026-07-09 cs.SE
Is Self-Repair a Silver Bullet for Code Generation?
MIT CSAIL(麻省理工学院计算机科学与人工智能实验室);Microsoft Research(微软研究院)
该研究分析了Code Llama、GPT-3.5、GPT-4在HumanEval和APPS数据集上的代码自修复能力,发现考虑成本时自修复增益有限,其瓶颈在于模型自我反馈能力,且远不及人类水平调试的效果。
2024-02-02 cs.AI cs.CL cs.PL
How Helpful do Novice Programmers Find the Feedback of an Automated Repair Tool?
本研究针对现有编程自动化反馈对新手支撑不足的问题,扩展并集成自动化修复工具CLARA到Jupyter Notebooks,通过出声思考实验发现新手难理解修复建议,更看重错误位置提示,为编程教学工具设计提供参考。
2023-10-07 cs.CY cs.SE
Falsification, Not Exposure: An Internally Preregistered Placebo-Controlled Decomposition of Self-Repair Feedback in Frozen Small Code Models
PythaLab, Yıldız Technical University(PythaLab,伊尔迪兹技术大学)
通过预注册的安慰剂对照实验,分解冻结小代码模型的自我修复反馈,发现证伪(外部可执行反例)比暴露于失败代码更有效,盲重采样比裸代码重试解锁更多程序。
2026-07-01 cs.CL cs.LG cs.SE
Data-Driven Feedback Generation for Introductory Programming Exercises
本文介绍了“搜索,对齐和修复”数据驱动的程序修复框架,以自动生成反馈的入门编程练习。与现有技术不同,我们的目标是为大型或MOOC规模的入门编程课程开发一种高效,全自动和问题不可知的技术。我们利用大量可用的学生提交在这样的设置和开发新的算法来识别类似的程序,对齐正确和不正确的程序,并通过找到最小的修复修复不正确的程序。我们已经在SARFGEN系统中实现了我们的技术,并对来自Microsoft-DEV 204.1X edX课程和Microsoft CodeHunt平台的数千名真实学生的尝试进行了评估。我们的研究结果表明,SARFGEN可以在平均两秒内为89.7%的错误学生提交生成简洁,有用的反馈。它已与Microsoft-DEV 204. 1XedX类集成并部署用于生产。
2017-11-20 cs.CY cs.PL cs.SE
Patch Space Exploration using Static Analysis Feedback
本研究提出一种利用静态分析(不正确性分离逻辑)反馈指导自动程序修复的方法,通过创建等效补丁类减少验证次数,在无测试用例下高效修复内存安全问题。
2023-08-01 cs.SE
TransRepair: Context-aware Program Repair for Compilation Errors
自动修复编译错误可以通过指导新手或AI程序员编写和调试代码来大大提高软件开发的生产率。近年来,基于学习的程序修复得到了广泛的关注,并成为实践中的前沿。但仍有很大的改进空间。在本文中,我们提出了一个端到端的解决方案TransRepair定位错误行,并创建正确的替代一个C程序的同时。优于同行,我们的方法考虑到错误代码和诊断编译反馈的上下文。然后,我们设计了一个基于transformer的神经网络来学习修复的方式,从错误的代码,以及它的上下文和诊断反馈。为了提高TransRepair的有效性,我们从两个真实世界的程序数据集和互联网上总结了5种类型和74个细粒度子类型的编译错误。然后,开发了一种程序损坏技术,以合成一个包含1,821,275个错误C程序的大型数据集。通过大量的实验,我们证明了TransRepair优于国家的最先进的单次修复精度和完整的修复精度。进一步的分析揭示了当代解决方案的优点和缺点,以供未来改进。
2022-10-08 cs.SE
EcoScratch: Cost-Effective Multimodal Repair for Scratch Using Execution Feedback
University of Waterloo(滑铁卢大学);The Chinese University of Hong Kong(香港中文大学)
EcoScratch通过轻量级运行时信号决定是否保持纯文本修复或升级到多模态提示,结合JSON补丁预算和验证努力,提升Scratch修复效率与效果。
2026-03-31 cs.SE
Escaping the Self-Repair Trap: Improving Test Oracle Generation via Dual-Context Awareness
Beihang University(北京航空航天大学);National College for Excellent Engineers(卓越工程师学院);Qingdao Research Institute(青岛研究院);Hangzhou Innovation Institute(杭州创新研究院)
针对迭代自修复引发的自修复陷阱问题,提出非迭代高效框架DCAware,结合结构化静态上下文与动态状态,在低计算成本下提升测试预言的故障检测效果
2026-10-12 cs.SE
Automated Feedback Generation for Competition-Level Code
竞争性编程已经成为程序员测试自己技能的一种流行方式。大型在线编程竞赛吸引了数百万经验丰富的程序员相互竞争。竞赛级编程问题本质上是具有挑战性的,参与者往往在第一次尝试时无法解决问题。一些竞争性编程的在线平台也允许程序员练习竞争级别的问题,并且对于不正确的练习提交的标准反馈是提交失败的第一个测试案例。通常,失败的测试用例不能为程序员提供足够的信息来解决他们代码中的错误,他们在几次不成功的尝试后放弃了这个问题。我们提出Clef,第一个数据驱动的工具,可以通过修复程序员的错误提交自动生成对竞争级别代码的反馈。关键的发展是Clef可以学习如何通过检查其他程序员随着时间的推移对自己提交的修复来生成错误提交的修复。由于一个不正确的程序和一个正确的程序之间的差异可能是显着的,我们引入了一个新的数据结构,合并树,捕捉提交之间的变化。合并树是通用的:它们可以编码大的算法级重新设计和小的语句级更改。Clef应用它从提交数据库中学习的模式,为数据库外的新提交生成修复。我们在Codeforces(世界上最大的竞争性编程平台)的六个现实问题上对Clef进行了评估。Clef在修复程序员的错误提交时达到了42.1%的准确率。即使程序员提交了错误的文件,而他们自己从来没有找到问题的解决方案,Clef也有34.1%的时间修复用户的程序。
2022-06-03 cs.SE
Benchmarking Code Improvement with Progressive, Adaptive, and Interactive Feedback
University of Texas at Dallas(达拉斯大学);University of Central Florida(中佛罗里达大学);FPT Software AI Center(FPT软件人工智能中心)
提出PAIR-Bench基准,通过渐进式提示和结构化反馈协议,细粒度评估大语言模型在代码改进中的修复能力、泛化能力和所需辅助程度。
2026-07-03 cs.SE
Flexible Control Flow Graph Alignment for Delivering Data-Driven Feedback to Novice Programming Learners
本文提出一种基于控制流图的灵活对齐算法,扩展开源方法CLARA以处理真实入门程序,在Codeforces的20个热门问题上将修复成功率从5%提升至46%。
2024-01-02 cs.SE
Conversational Automated Program Repair
University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
自动程序修复(APR)可以帮助开发人员自动生成bug补丁。由于使用大型预训练语言模型(LLM)在许多代码相关任务上获得了令人印象深刻的性能,研究人员已经开始直接使用LLM进行APR。然而,先前的方法简单地重复采样LLM,给出从原始错误代码创建的相同构造的输入/提示,这不仅导致重复生成相同的错误补丁,而且还错过了测试用例中的关键信息。为了解决这些局限性,我们提出了会话式APR,一种新的模式,程序修复,交替补丁生成和验证之间的对话方式。在会话式APR中,我们通过将先前生成的补丁与验证反馈相结合来迭代地构建模型的输入。因此,我们利用LLM的长期上下文窗口,不仅可以避免生成以前不正确的补丁,而且还可以结合验证反馈,以帮助模型理解被测程序的语义含义。我们评估了10种不同的LLM,包括新开发的ChatGPT模型,以证明会话式APR比APR方法的先前LLM的改进。
2023-01-30 cs.LG cs.SE
Trust Enhancement Issues in Program Repair
自动程序修复是一种新兴的技术,它试图使用学习、搜索和语义分析来自动纠正错误和漏洞。信任自动生成的补丁是实现程序修复的更大采用所必需的。为了实现这一目标,我们调查了100多名软件从业者,以了解增强对自动生成的补丁的信任所需的工件和设置。基于对开发人员偏好的调查反馈,我们定量评估现有的基于测试套件的程序修复工具。我们发现,他们不能产生高质量的补丁在前10名的排名和可接受的时间段为1小时。我们的定性研究中的开发人员反馈以及我们对现有修复工具的定量检查中的观察结果指出了推动程序修复研究的可操作见解。具体来说,我们注意到,在可接受的时间范围内产生修复非常依赖于利用足够丰富的搜索空间的抽象搜索空间表示。此外,虽然额外的开发人员输入对于生成或排名补丁是有价值的,但开发人员似乎对重要的人在环交互不感兴趣。
2022-02-11 cs.SE
RepairAgent: An Autonomous, LLM-Based Agent for Program Repair
University of Stuttgart(斯图加特大学);UC Davis(加利福尼亚大学戴维斯分校)
本文提出RepairAgent,利用可动态调用工具、由有限状态机引导的LLM自主智能体完成缺陷信息收集、修复成分获取与修复验证,在Defects4J上自主修复164个缺陷。
2024-10-28 cs.AI cs.SE
Enhancing Automated Program Repair via Faulty Token Localization and Quality-Aware Patch Refinement
Singapore Management University(新加坡管理大学)
TokenRepair通过内部反思定位潜在故障令牌并结合质量感知的外部反馈,提升自动程序修复的效率和准确性。
2025-11-22 cs.SE
FAPR: Fast and Accurate Program Repair for Introductory Programming Courses
在编程入门课程中,教师对学生的错误程序提供调试反馈是一项挑战。最近的一些工具通过识别错误程序和正确程序之间的任何差异来自动提供程序修复反馈,但存在与可扩展性,准确性和跨语言可移植性相关的问题。本文介绍了FAPR -我们的新方法,建议修复程序的差异,在一个快速,准确的方式。FAPR在三个方面不同于当前的工具。首先,它将语法信息编码为令牌序列,以实现错误和正确程序之间的高速比较。其次,为了准确地提取程序差异,FAPR采用了一种新的匹配算法,最大限度地提高令牌级匹配,最小化语句级差异。第三,FAPR依赖于测试而不是静态/动态分析来验证和细化候选修复,因此它消除了由复杂程序分析引起的语言依赖性或高运行时开销。我们实现了FAPR,为C和C++程序提供修复建议;我们的经验表明FAPR具有出色的跨语言可移植性。更重要的是,我们经验比较FAPR与最先进的工具克拉拉。FAPR建议对95.5%以上的错误解决方案进行修复。我们在FAPR的建议中抽取了250个维修样本,发现89.6%的样本是最小的和正确的。FAPR的表现优于Clara,因为它为更多的案例提供了修复建议,创建了更小的修复,产生了更高质量的修复,并降低了运行时开销。我们的研究结果表明,FAPR可以潜在地帮助教师或TA有效地定位错误的代码中的错误,并提供调试提示/指导方针的基础上产生的修复。
2021-07-14 cs.SE
Security Tests as Executable Specifications for LLM Code Generation: Benefits, Trade-offs, and Coverage Limits
Chengdu Institute of Computer Applications, Chinese Academy of Sciences(中国科学院成都计算机应用研究所);University of Chinese Academy of Sciences(中国科学院大学);Institute of Multidisciplinary Research for Advanced Materials (IMRAM), Tohoku University(东北大学先进材料多学科研究所);Artificial Intelligence Research Institute, Shenzhen University of Advanced Technology(深圳先进技术研究院人工智能研究所)
该研究提出将安全测试作为LLM代码生成的可执行规范,开发SecTDD框架,通过多维度评估发现预先展示可见测试可提升联合成功率,结构化反馈修复效果更优但益处受多因素影响。
2026-08-12 cs.SE
ContrastRepair: Enhancing Conversation-Based Automated Program Repair via Contrastive Test Case Pairs
Singapore Management University(新加坡管理大学);Nanyang Technological University(南洋理工大学);Monash University(蒙纳士大学);Tianjin University(天津大学)
ContrastRepair通过对比测试对提升基于对话的自动程序修复效果,显著优于现有方法。
2024-03-07 cs.SE
FastFixer: An Efficient and Effective Approach for Repairing Programming Assignments
针对LLM修复编程作业时定位编辑不准且自回归推理较慢的问题,本文提出FastFixer,通过面向修复的微调与任务定制推理加速,实现修复效果提升20.46%、推理加速16.67倍。
2024-10-11 cs.CY cs.SE
Agentic Program Repair from Test Failures at Scale: A Neuro-symbolic approach with static analysis and test execution feedback
Meta
本文提出基于 Llama 与 ReAct 的 Engineering Agent,利用静态分析、测试执行反馈和 LLM-as-a-Judge 大规模修复测试失败,并通过离线基准与三个月生产部署验证其效果。
2025-07-24 cs.AI cs.PL cs.SE
TraceView: Interactive Visualization of Agentic Program Repair Trajectories
Belmont University(贝尔蒙特大学)
提出TraceView工具,通过交互式可视化和语义关系标注,帮助开发者诊断LLM-based自动程序修复代理的失败原因,支持轨迹扫描与理解。
2026-06-23 cs.AI cs.HC cs.SE
VIBEPASS: Can Vibe Coders Really Pass the Vibe Check?
Salesforce AI Research(Salesforce AI研究院);Nanyang Technological University(南洋理工大学)
本文研究了振动编码器在自主软件工程中的能力,发现故障定位推理是瓶颈,而非代码生成或测试有效性。
2026-03-16 cs.AI cs.SE
From Failing to Passing: Evolving Natural Language Prompt Optimization Rules for LLM Code Generation
University of Luxembourg(卢森堡大学);University of Toulouse(图卢兹大学)
研究大语言模型提示敏感性,用搜索法演化自然语言转换规则,提出DUALFIX管道,结合规则与执行反馈修复,可跨问题跨模型使用,提升代码生成性能。
2026-07-07 cs.SE
EviACT: An Evidence-to-Action Framework for Agentic Program Repair
LIACS, Leiden University(莱顿大学 LIACS);CLCG, University of Groningen(格罗宁根大学 CLCG)
提出EviACT框架,通过协调三个证据驱动的防护栏(检索支架、编译门、测试驱动门)来提升智能体程序修复的定位、生成和验证效率,在多个基准上修复率提升1.6-6.0个百分点,API成本降低70.1-88.6%。
2026-10-27 cs.SE
ExecCritic: Learn to Test, Test to Improve for Coding Agents
University of Wisconsin–Madison(威斯康星大学麦迪逊分校);Microsoft Research(微软研究院);Georgia Tech(佐治亚理工学院)
ExecCritic通过分离测试生成与代码修复,结合角色特定强化学习,在SWE-bench Verified上将编码智能体解决率从61.2%提升至72.6%。
2026-09-09 cs.AI cs.CL cs.SE
ViScratch: Using Large Language Models and Gameplay Videos for Automated Feedback in Scratch
ViScratch 是首个面向 Scratch 的多模态反馈生成系统,利用项目积木代码和游戏视频,通过视觉语言模型对齐视觉症状与代码结构,提出并验证 AST 级修复,在错误识别和修复质量上显著优于现有工具。
2025-09-14 cs.PL cs.SE
ORCA: Observability-Grounded Program Repair for Microservice Incidents
Hong Kong University of Science and Technology(香港科技大学);University of Toronto(多伦多大学)
ORCA是基于可观测性的微服务故障修复流水线,通过遥测数据提炼故障特征定位候选位置,经多智能体生成补丁并通过遥测验证器评估,在575案例基准中成本效益优于所有基线。
2026-08-19 cs.SE
Collaborative Agents for Automated Program Repair in Ruby
University of British Columbia(不列颠哥伦比亚大学);Laval university(拉瓦尔大学)
本文提出轻量级多智能体框架 RAMP,通过测试生成、错误反思与迭代修复,在 Ruby 上以 67% 的 pass@1 实现高效自动程序修复,无需大规模数据库或微调。
2025-11-06 cs.AI cs.SE
Try Again, Don't Look Back: Blind Resampling Outperforms Self-Repair in Small Code Models
Independent Researcher, India
该研究针对MBPP+数据集在三种规模代码模型上发现,盲重采样在7B以下表现最优,成本远低于其他重试方法,而基于自身失败尝试的自我修复存在锚定效应导致的性能损失。
2026-07-30 cs.AI cs.LG cs.SE
DynaFix: Iterative Automated Program Repair Driven by Execution-Level Dynamic Information
Chongqing University(重庆大学)
DynaFix通过迭代利用运行时动态信息改进程序修复,利用变量状态、控制流路径和调用栈等结构化提示引导LLM生成候选补丁,有效提升修复效率和准确性。
2026-04-19 cs.AI cs.SE
Guiding AI to Fix Its Own Flaws: An Empirical Study on LLM-Driven Secure Code Generation
George Mason University(乔治梅森大学)
本研究针对大语言模型生成不安全代码的问题,检验自生成漏洞提示的作用,发现指导性提示可预防漏洞,原始检测反馈能提升修复效果,带解释的反馈在部分基准中更优。
2026-09-07 cs.SE
Monte Carlo Tree Search for Execution-Guided Program Repair with Large Language Models
Illinois Institute of Technology Chicago, USA(伊利诺伊理工学院芝加哥分校)
CodePilot结合MCTS和大语言模型,通过执行反馈引导程序修复,实现高效的问题解决。
2026-01-28 cs.LG cs.SE
Program Repair: Automated vs. Manual
在过去的十年中,已经提出了各种自动程序修复(APR)技术来自动修复错误。虽然最近的研究在有效性和效率方面取得了重大进展,但在真实的调试场景中,APR技术在人工干预下的表现仍然不清楚。为了弥补这一差距,我们进行了广泛的研究,比较三个国家的最先进的APR工具与手动程序修复,并进一步调查是否协助APR工具(即,修复报告)可以改进手动程序修复。为此,我们招募了20名参与者进行对照实验,共产生了160个手动修复任务和问卷调查。实验结果表明:(1)人工修复程序有时会受到修复操作频率的影响;(2)APR工具在调试时间方面更有效,而人工修复程序往往会以更少的尝试生成正确的补丁;(3)APR工具可以进一步提高手工修复程序的错误修复率,但对补丁的正确性有负面影响;(4)参与者习惯于花费更多的时间来识别错误的补丁,但仍然容易被误导;(5)参与者对工具的修复性能持肯定态度,但对实际使用中的可用性普遍缺乏信心。此外,我们还提供了一些提高APR工具可用性的指南(例如,报告中的误导性信息和对反馈意见的观察)。
2022-03-10 cs.SE
Semantic Evolution over Populations for LLM-Guided Automated Program Repair
University of Texas at Dallas(达拉斯德州大学);FPT Software AI Center(FPT软件人工智能中心);Hanoi University of Science and Technology(河内科技大学)
本文提出EvolRepair框架,通过语义进化算法提升LLM引导的自动程序修复效果,解决修复假设多样性、语义相关修复家族识别等挑战。
2026-04-02 cs.SE
FLARE: Fine-Grained Diagnostic Feedback for LLM Code Refinement
Tongji University(同济大学);Purdue University(普渡大学)
提出FLARE框架,利用轻量级诊断模型预测行级可疑信号进行缺陷定位和代码精炼,通过Top-K候选搜索提升修复效果。
2026-09-17 cs.AI cs.SE
DebugRepair: Enhancing LLM-Based Automated Program Repair via Self-Directed Debugging
Shandong University(山东大学);Fudan University(复旦大学);Tsinghua University(清华大学);Peking University(北京大学);The Hong Kong Polytechnic University(香港理工大学)
DebugRepair通过模拟调试收集中间运行时证据,提升基于大语言模型的自动程序修复性能,实验表明其在修复缺陷方面优于现有方法。
2026-04-21 cs.SE
Counterexample Guided Program Repair Using Zero-Shot Learning and MaxSAT-based Fault Localization
INESC-ID, IST, UL(INESC-ID、里斯本大学学院、里斯本大学)
针对入门编程作业自动化程序修复的局限,提出结合MaxSAT故障定位与大语言模型零样本学习的反例引导方法,提升修复能力且实现更小修复,优于现有工具。
2024-12-19 cs.AI cs.SE
Automated Repair of C Programs Using Large Language Models
本研究提出整合基于频谱的故障定位、运行时反馈与思维链提示的C程序自动修复框架,结合统计程序分析与LLM推理,在Codeflaws基准上实现44.93%修复准确率,优于现有先进APR基线。
2025-09-02 cs.SE
Adaptive Code Revision Attacks on AI Pull Request Reviewers
King’s College London(伦敦国王学院);University of Bristol(布里斯托大学)
本研究提出AFCRA攻击,利用AI PR审查者的反馈修复报告问题同时保留代码漏洞,实验显示成功率远超现有攻击,揭示反馈引导代码修订对自动化审查的严重威胁。
2026-10-06 cs.SE
Multi-Perspective Agentic Program Repair via Code Property Graphs and Temporal Execution Graphs
研究针对大语言模型在自动程序修复中的局限,提出CT-Repair框架,通过代码属性图和时间执行图表示证据,利用三阶段过滤管道及多视角智能体分析错误并生成修复策略,实验证明该方法能有效提高修复有效性。
2026-07-15 cs.AI cs.SE
Peer-aided Repairer: Empowering Large Language Models to Repair Advanced Student Assignments
Beihang University(北京航空航天大学);Peking University(北京大学)
本文针对高级编程作业修复难题,提出基于大语言模型的PaR框架,通过同伴方案选择、多源提示生成与程序修复三阶段,在Defects4DS和ITSP数据集上实现修复率新突破。
2024-04-02 cs.AI cs.SE
How Do LLMs Read Bug Reports? An Empirical Study of Attention in LLMs for Automated Program Repair
Drexel University(德雷塞尔大学);IBM Research(IBM研究院)
研究基于大语言模型的自动程序修复中模型注意力模式,通过分析319个真实错误,探究其在错误报告各部分的分布、成功与失败修复的注意力差异及与开发者重视信息的比较,发现注意力分配错误是失败关键因素,为改进系统提供见解。
2026-07-29 cs.AI cs.SE
Can Automated Program Repair Refine Fault Localization?
软件缺陷在现代软件系统中普遍存在,并且众所周知难以手动调试。因此,大量的研究工作一直致力于自动化软件调试,包括自动故障定位和程序修复。然而,现有的故障定位技术通常是无效的,即使是最先进的程序修复技术,也只能修复一小部分真实世界的错误。虽然故障定位和程序修复是内在联系的,但我们观察到,在文献中,它们唯一的联系是程序修复技术通常使用现成的故障定位技术(例如,Ochiai)来确定用于修补的潜在候选语句/元素。在这项工作中,我们探索他们在另一个方向的联系,即,程序修复是否反过来有助于故障定位?通过这种方式,我们不仅为更强大的故障定位开辟了一个新的维度,而且将程序修复的应用范围扩展到所有可能的错误(而不仅仅是可以直接自动修复的错误)。我们设计了ProFL,一种简单的方法,使用补丁执行结果(来自程序修复)作为故障定位的反馈信息。在广泛使用的Defects 4J基准上的实验结果表明,基本的ProFL已经可以在Top-1内定位395个研究错误中的161个,而最先进的基于频谱和突变的故障定位技术最多在Top-1内定位117个。我们还证明了ProFL在不同设置下的有效性。最后,我们表明,ProFL可以通过无监督和监督学习进一步提高最先进的故障定位。
2019-10-03 cs.SE
Unlocking LLM Repair Capabilities Through Cross-Language Translation and Multi-Agent Refinement
City University of Hong Kong(香港城市大学);Beijing JudaoYouda Network Technology Co. Ltd.(北京极道有道网络科技有限公司);SnT, University of Luxembourg(卢森堡大学科学与技术学院);Aalto University(阿尔托大学);University of Melbourne(墨尔本大学)
本文提出LANTERN方法,通过跨语言翻译和多代理迭代修复,提升LLM在多语言程序修复中的能力,尤其在Rust等较少使用语言上表现突出。
2026-03-30 cs.SE
Boosting Open-Source LLMs for Program Repair via Reasoning Transfer and LLM-Guided Reinforcement Learning
本文提出Repairity三阶段方法,通过从闭源模型提取推理轨迹、监督微调迁移至开源模型并结合LLM引导强化学习,将Qwen2.5-Coder-32B-Instruct的程序修复性能平均提升8.68%,与Claude-Sonnet3.7的差距从10.05%缩小至1.35%。
2025-06-04 cs.SE