Parameter-Efficient Fine-Tuning with Attributed Patch Semantic Graph for Automated Patch Correctness Assessment
本文提出基于属性补丁语义图的参数高效微调方法,用于提升自动补丁正确性评估的准确性和F1分数。
2025-12-15 cs.SE
Attention: Not Just Another Dataset for Patch-Correctness Checking
自动程序修复(Automated Program Repair,APR)技术已引起学术界和工业界的广泛关注。同时,当前最先进的APR工具的一个主要限制是,通过所有原始测试的补丁不一定是开发人员想要的正确补丁,即,合理的补丁问题。迄今为止,已经提出了各种补丁正确性检查(PCC)技术来解决这个重要问题。然而,它们仅在非常有限的数据集上进行评估,因为用于生成此类补丁的APR工具只能探索可能补丁的搜索空间的一小部分,对现有PCC研究的外部有效性构成严重威胁。在本文中,我们构建了一个广泛的PCC数据集(据我们所知最大的手动标记的PCC数据集),以重新审视所有最先进的PCC技术。更具体地说,我们的PCC数据集包括从最近的PraPR APR工具生成的1,988个补丁,该工具利用高度优化的字节码级别补丁执行,并可以在其大型预定义的搜索空间内彻底探索所有可能的合理补丁(包括众所周知的修复模式)来自各种以前的APR工具)。我们对新数据集上代表性PCC技术的广泛研究揭示了各种令人惊讶的发现,并为未来的PCC研究提供了指导。
2023-02-08 cs.SE
On the Effectiveness of Code Representation in Deep Learning-Based Automated Patch Correctness Assessment
Nanjing University of Science and Technology(南京理工大学);Nanjing University(南京大学);Swinburne University of Technology(斯威本科技大学)
本文研究了不同代码表示在预测补丁正确性中的性能,发现基于图的表示在多个基准上表现最佳,同时整合序列表示可提升性能。
2026-04-05 cs.SE
RePaCA: Leveraging Reasoning Large Language Models for Static Automated Patch Correctness Assessment
Universidad de Alcalá(阿尔卡拉大学)
RePaCA是利用推理型大语言模型的静态APCA技术,经强化学习微调后在Defects4J测试集上达83.1%准确率,泛化能力优于现有方法,可准确识别过拟合补丁并提升可解释性。
2026-08-03 cs.AI cs.SE
The Best of Both Worlds: Combining Learned Embeddings with Engineered Features for Accurate Prediction of Correct Patches
大量关于自动程序修复的文献开发了自动生成补丁以针对oracle进行验证的方法(例如,测试套件)。因为这样的预言机可能是不完美的,所以生成的补丁尽管经过了预言机的验证,但实际上可能是不正确的。我们的实证工作调查不同的表示学习方法的代码更改,以获得嵌入,是服从补丁正确性识别的相似性计算,并评估正确的补丁相结合的学习嵌入与工程特征的准确分类的可能性。实验结果证明了学习嵌入的潜力,使豹(在这项工作中实现的补丁正确性预测框架)与学习算法在关于补丁正确性的推理中:具有与XGBoost相关联的基于BERT变换的学习嵌入的机器学习预测器在新数据集上的补丁正确性预测中实现了约0.803的AUC值2,我们收集了147个标记的补丁用于实验。我们的调查表明,与依赖于动态信息的最先进的PATCH-SIM相比,深度学习嵌入可以带来互补/更好的性能。通过结合深度学习的嵌入和工程特征,Panther(在这项工作中实现的Leopard的升级版本)在AUC,+Recall和-Recall方面的得分更高,并且可以准确地识别更多(不)正确的补丁,这些补丁无法通过仅使用学习的嵌入或工程特征的分类器进行预测。最后,我们使用一种可解释的ML技术SHAP来经验性地解释学习的嵌入和工程特征如何有助于补丁正确性预测。
2022-11-12 cs.SE
Invalidator: Automated Patch Correctness Assessment via Semantic and Syntactic Reasoning
The University of Melbourne(墨尔本大学);Hanoi University of Science and Technology(河内理工大学);Singapore Management University(新加坡管理大学)
自动程序修复(APR)面临着测试过拟合的挑战,其中生成的补丁通过验证测试,但未能推广。现有的补丁评估方法涉及生成新的测试或手动检查,这可能是耗时的或有偏见的。在本文中,我们提出了一种新的技术,INVALIDATOR,通过语义和语法推理自动评估APR生成的补丁的正确性。INVALIDATOR利用程序不变量来推理程序语义,同时还通过使用预训练的语言模型从大型代码语料库中学习的语言语义来捕获程序语法。给定一个有缺陷的程序和开发人员修补的程序,INVALIDATOR推断出这两个程序上可能的不变量。然后,INVALIDATOR确定一个APR生成的补丁过拟合,如果:(1)它违反了正确的规范或(2)保持了原始错误程序的错误行为。如果我们的方法无法基于不变量确定过拟合补丁,INVALIDATOR将利用来自标记补丁的训练模型来基于程序语法评估补丁正确性。INVALIDATOR的好处有三方面。首先,INVALIDATOR利用语义和句法推理来增强其区分能力。其次,INVALIDATOR不需要生成新的测试用例,而是只依赖于当前的测试套件,并使用不变式推理来概括程序行为。第三,INVALIDATOR是完全自动化的。实验结果表明,INVALIDATOR优于现有的方法在准确性和F-措施,正确识别79%的过拟合补丁和检测23%以上的过拟合补丁比最好的基线。
2023-03-17 cs.LG cs.SE
Automated Classification of Overfitting Patches with Statically Extracted Code Features
自动程序修复(APR)旨在降低手动修复软件缺陷的成本。然而,APR会产生大量的过拟合补丁,这些补丁除了使测试通过之外,不能正确修复缺陷。本文提出了一种新的过拟合补丁检测系统称为ODS来评估APR补丁的正确性。ODS首先静态比较修补程序和有缺陷的程序,以便在抽象语法树(AST)级别提取代码特征。然后,ODS使用具有捕获的代码特征和补丁正确性标签的监督学习来自动学习概率模型。然后,学习的ODS模型可以最终应用于对新的和看不见的程序修复补丁进行分类。我们进行了一个大规模的实验,以评估ODS的补丁正确性分类的基础上,从缺陷4J,Bugs.jar和熊基准的10,302补丁的有效性。实验结果表明,ODS对26个项目中71.9%的程序修复补丁进行了正确分类,提高了程序修复补丁的分类水平,具有一定的实用性,可以作为一种后处理方法对不同APR系统生成的补丁进行分类。
2021-08-06 cs.SE
APPT: Boosting Automated Patch Correctness Prediction via Fine-tuning Pre-trained Models
本文提出 APPT 技术,通过联合微调预训练模型、LSTM 和分类器来提升自动补丁正确性预测,在 Defects4J 和真实世界补丁上均取得优于现有方法的性能。
2024-01-16 cs.SE
Patch Quality and Diversity of Invariant-Guided Search-Based Program Repair
大多数自动程序修复技术依赖于测试用例来指定正确的程序行为。然而,由于测试用例经常不完全覆盖期望的行为,补丁经常过拟合,并且不能推广到更广泛的需求。此外,在没有完全正确的输出的情况下,确保更高的补丁质量的方法,例如将几个补丁合并在一起或人类评估补丁推荐,受益于访问不同的补丁集合,使补丁多样性成为潜在有用的特征。我们评估的正确性和多样性的补丁生成的GenProg和不变量为基础的多样性增强扩展在我们以前的工作。我们没有发现任何证据表明,促进多样性改变补丁的正确性在积极或消极的方向。使用不变和测试用例生成驱动的度量来测量语义多样性,我们发现大多数错误的补丁之间没有观察到的语义差异,无论使用的修复技术。
2020-03-25 cs.SE
ContraFix: Skill-Enhanced Contrastive Runtime Analysis for Vulnerability Repair
Beihang University(北京航空航天大学);The University of Hong Kong(香港大学)
本文提出ContraFix框架,通过差分运行时证据和可重用的修复技能,解决大型语言模型代理在自动漏洞修复中的语义误解问题,实现了在SEC-Bench和PatchEval上的高准确率。
2026-07-03 cs.AI cs.CL cs.CR
A Critical Review of "Automatic Patch Generation Learned from Human-Written Patches": Essay on the Problem Statement and the Evaluation of Automatic Software Repair
在ICSE'2013上,有史以来第一次专门用于自动程序修复的会议。在这次会议上,Kim等人介绍了PAR,这是一种用于修复Java bug的基于模板的新方法。我们强烈反对这篇文章的主要观点。我们的评论有两个目标。首先,我们的目的是解释为什么我们不同意金和同事,为什么这种分歧背后的原因是重要的自动软件修复的研究一般。其次,我们的目标是通过澄清自动软件修复背后的基本思想来为该领域做出贡献。特别讨论了软件自动修复的主要评价标准:可理解性、正确性和完整性。我们表明,根据如何设置修复方案,评估目标可能是矛盾的。最后,我们讨论了修复的可接受性的性质和它的关系,软件正确性的概念。
2014-08-09 cs.SE
Production-Driven Patch Generation
我们提出了一个原始的概念补丁生成:我们建议直接在生产中。我们的想法是基于对故障上下文的自动分析来动态生成补丁。通过在生产中执行此操作,修复过程可以完全访问故障点的系统状态。我们建议直接在生产流量上对生成的补丁进行实时回归测试,方法是将应用程序的沙箱版本与生产流量(“影子流量”)的副本一起提供。我们的概念扩大了程序修复的适用性,因为它消除了测试用例失败的要求。
2018-12-08 cs.SE
Does Pass Rate Tell the Whole Story? Evaluating Design Constraint Compliance in LLM-based Issue Resolution
Fudan University(复旦大学);Nanyang Technological University(南洋理工大学)
本文提出设计感知问题解决方法,引入bench基准,通过挖掘和验证真实项目中的设计约束,评估LLM在问题解决中设计约束的合规性,发现测试通过率高并不代表设计合规性好。
2026-04-07 cs.AI cs.SE
ObjSim: Lightweight Automatic Patch Prioritization via Object Similarity
在基于测试用例的自动程序修复(APR)中,通过所有测试用例但未能修复错误的补丁被称为过拟合补丁。目前,APR工具生成的补丁由用户手动检查,以找到并采用真正的修复程序。作为一个费力的活动,阻碍了广泛采用的APR,自动识别过拟合补丁最近一直是积极的研究课题。本文介绍了ObjSim的工程细节:一个全自动的,轻量级的基于相似性的补丁优先级工具,基于JVM的语言。该工具的工作原理是比较修补之前和之后修补方法的出口点处的系统状态,并优先考虑导致状态与原始未修补版本在通过测试时更相似而在失败时不太相似的补丁。我们对最近APR工具PraPR为Defects4J v1.4.0中可修复的错误生成的补丁进行了实验,结果表明ObjSim将16.67%以上的真正修复优先级排在第一位。该工具的演示视频位于https://bit.ly/2K8gnYV。
2020-06-08 cs.SE
Historian: Reducing Manual Validation in APR Benchmarking via Evidence-Based Assessment
Bilkent University(比尔肯特大学)
Historian通过基于证据的多参考比较,提高自动化程序修复评估的准确性与覆盖率,减少手动验证需求。
2026-02-28 cs.SE
Automated Patch Assessment for Program Repair at Scale
在本文中,我们做的程序修复系统生成的补丁的自动正确性评估。我们将人类书写的补丁视为地面真实预言,并基于它随机生成测试,这是Shamshiri等人提出的一种技术,随机地面真值测试(RGT)。我们建立了一个由14个最先进的修复系统生成的638个Defects 4J补丁的策展数据集,我们在这个数据集上评估了自动补丁评估。本研究的结果是新颖的和有意义的:第一,我们提高了最先进的性能与RGT的自动补丁评估的190%,通过改进的预言;第二,我们表明,RGT是足够可靠的,以帮助科学家做过拟合分析,当他们评估程序修复系统;第三,我们提高了程序修复知识的外部效度与最大的研究。
2021-05-07 cs.SE
Adversarial Agent Collaboration for Correctness Improvements of C to Safe Rust Translation
National University of Singapore(新加坡国立大学);Amazon Web Services(亚马逊网络服务)
本文提出ACToR框架,通过对抗性搜索发现翻译与C源码分歧的输入,利用这些输入驱动后续优化,提升C到Rust翻译的正确性,实验表明其在多个真实世界工具中达到90%以上的测试通过率。
2026-05-17 cs.AI cs.SE
Automatic Repair of Real Bugs in Java: A Large-Scale Experiment on the Defects4J Dataset
Defects4J是一个大型的、同行评审的、结构化的Java bug数据集。Defects4J中的每个bug都有一个测试套件和至少一个触发bug的失败测试用例。在本文中,我们报告了一个实验,以探讨基于自动测试套件的缺陷4J修复的有效性。我们的实验结果表明,所考虑的国家的最先进的修复方法可以生成补丁的224个错误中的47。然而,这些补丁仅适用于测试套件,这意味着它们通过了测试套件,并且可能在测试套件满足正确性标准之外是不正确的。我们手动分析了84个不同的补丁,以评估它们的真实正确性。总的来说,9个真正的Java bug可以通过基于测试套件的修复来正确修复。该分析表明,基于测试套件的修复遭受未指定的错误,其中微不足道或不正确的补丁仍然通过测试套件。在实用性方面,找到一个补丁平均需要14.8分钟。实验是在科学网格上进行的,总共计算时间为17.6天。所有的修复系统和实验结果都在Github上公开,以方便将来对自动修复的研究。
2018-11-04 cs.SE
Beyond Crash-to-Patch: Patch Evolution for Linux Kernel Repair
University of Illinois Chicago(伊利诺伊大学芝加哥分校);Indiana University(印第安纳大学)
本文研究Linux内核修复的补丁演变过程,提出PatchAdvisor框架,通过整合检索与诊断顾问,提升修复质量与审查一致性。
2026-04-04 cs.OS cs.SE
ACDC: Altering Control Dependence Chains for Automated Patch Generation
一旦观察到故障,开发人员的主要关注点是确定导致故障的原因,以便修复导致错误行为的代码。在提供永久修复之前,代码修复补丁是无价的。本工作的目的是设计一种自动补丁生成技术,其进行如下:步骤1)它确定了一组故障引起的控制依赖链,是最小的数量和长度。步骤2)它识别链中的一组谓词以及相关的执行实例,使得在给定实例处否定谓词将表现出正确的行为。步骤3)对于每个候选谓词,它创建一个分类器,该分类器指示何时应该否定谓词以产生正确的程序行为。步骤4)在每个候选谓词之前,错误程序被注入对其相应分类器的调用,向其传递程序状态并获得预测性地指示是否否定谓词的返回值。分类器的作用是确保:1)在通过运行期间不对谓词求反;以及2)在失败运行内的适当实例处对谓词求反。我们实现了我们的补丁生成方法的Java平台,并评估我们的工具集使用148缺陷的Introlass和西门子基准。该工具集识别了56个完整的补丁和另外46个部分补丁,分类准确率平均为84%。
2017-05-02 cs.SE
K-CONFIG: Using Failing Test Cases to Generate Test Cases in GCC Compilers
University of Houston(休斯顿大学)
编译器的正确性对其他软件系统的安全性和可靠性至关重要,因为编译器中的错误可能会产生不反映程序员意图的程序。由于优化的复杂性,编译器是复杂的软件系统。GCC是一个优化的C编译器,已被用于构建操作系统和许多其他系统软件。在本文中,我们描述了K-CONFIG,一种使用GCC存储库中报告的错误来生成新的测试输入的方法。我们的主要观点是,bug报告中出现的功能很可能会在未来的bug中重新出现,因为bug修复可能不完整,或者这些功能可能天生就难以实现,因此更容易出错。我们的方法首先聚类失败的测试输入提取的错误报告到集群的相似的测试输入。然后,它使用这些集群为Csmith创建配置,Csmith是C编译器最流行的测试生成器。在我们对两个版本的GCC的实验中,我们的方法可以触发多达36个错误编译失败,179个崩溃,而默认配置的Csmith没有触发任何失败。这项工作表明了在生成新的测试输入时分析和使用报告的错误的好处。
2019-08-27 cs.LG cs.PL cs.SE
On the acceptance by code reviewers of candidate security patches suggested by Automated Program Repair tools
工作背景:对自动程序修复(APR)工具提供的补丁的语义正确性进行测试和验证已受到广泛关注。然而,人类补丁评审员最终接受或拒绝现实世界项目的建议补丁受到了有限的关注。目的:为了解决这个问题,我们计划调查APR工具建议的(可能不正确的)安全补丁是否被人类审查者识别。我们还想调查是否知道一个补丁是由一个所谓的专门工具产生的,并改变了人类评审员的决定。方法:在第一阶段,使用平衡设计,我们向人类评审员提出APR工具针对不同漏洞提出的补丁组合,并要求评审员采用或拒绝提出的补丁。在第二阶段,我们告诉参与者,一些建议的补丁是由安全专用工具生成的(即使该工具实际上是一个“正常”的APR工具),并衡量人类审查者是否会改变他们的决定,采用或拒绝补丁。局限性:该实验将在学术环境中进行,为了保持力量,它将集中在流行的APR工具和流行的漏洞类型的有限样本上。
2022-09-16 cs.SE
PatchBench: Evaluating AI Agents for Vulnerability Patching
University of Maryland(马里兰大学)
本研究针对AI智能体漏洞修补评估的两大威胁,提出新基准PatchBench,发现仅基于PoC的验证会高估解决率1.83倍,揭示了当前修补智能体的局限。
2026-09-04 cs.AI cs.CR cs.SE
Partitioning Patches into Test-equivalence Classes for Scaling Program Repair
自动程序修复是一个寻找给定错误程序的转换(称为补丁)以消除可观察到的故障的问题。它具有重要的应用,例如提供调试辅助,自动分级作业和修补安全漏洞。所有现有修复技术面临的共同挑战是可扩展性大补丁空间,因为有许多候选补丁,这些技术显式或隐式考虑。程序修复的正确性标准通常是作为一套测试给出的,因为可能无法获得预期程序行为的正式规范。由于底层搜索算法执行的大量测试执行,当前的修复技术不能扩展。我们解决这个问题,通过引入一种方法,补丁生成的基础上的测试等价关系(如果两个程序是“测试等价”的一个给定的测试,他们在这个测试上产生难以区分的结果)。我们提出了两个测试等价关系的运行时值和依赖关系的基础上,分别提出了一个算法,执行上的飞行分区的补丁到测试等价类。我们对真实世界的程序的实验表明,所提出的方法大大减少了测试执行的数量,因此提供了一个数量级的效率提高现有的修复技术,而不牺牲补丁的质量。
2017-07-15 cs.SE
Interactive Patch Filtering as Debugging Aid
广泛认识到程序修复工具需要具有高精度才能有用,即,所生成的补片需要具有高的正确概率。然而,从根本上难以确保补丁的正确性,并且许多工具在修复性能的其他方面(例如召回率)妥协以获得可接受的精度。在本文中,我们提出了一个问题:一个低精度的修复工具仍然有用吗?为了探讨这个问题,我们提出了一个互动的过滤方法来补丁审查,过滤出不正确的补丁,问问题的开发人员。我们的直觉是,不正确的补丁仍然可以帮助理解错误。有了适当的工具支持,即使有许多不正确的补丁,好处也超过了成本。我们实现的方法作为一个Eclipse插件工具,InPaFer,并与30名开发人员的模拟实验和用户研究进行评估。结果表明,我们的方法提高了修复性能的开发人员,62.5%以上的成功修复错误和25.3%的平均调试时间减少。特别地,即使生成的补丁都是不正确的,开发人员的性能也不会显著降低,并且当一些补丁提供用于修复的有用信息(诸如故障位置和部分修复)时,可以提高开发人员的性能。
2020-04-27 cs.SE
Well Begun is Half Done: Location-Aware and Trace-Guided Iterative Automated Vulnerability Repair
Yangzhou University(扬州大学);Nanjing University of Posts and Telecommunications(南京邮电大学)
\sysname通过位置感知和跟踪引导的迭代方法,改进了漏洞修复的补丁生成质量与准确性。
2025-12-23 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
Not All Correct Fixes Run Alike: An Empirical Study of Patch Performance in Repository-Level Issue Resolution
The State Key Laboratory of Blockchain and Data Security, Zhejiang University(浙江大学区块链与数据安全国家重点实验室);Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security(杭州高新技术开发区(滨江)区块链与数据安全研究院);Graz University of Technology(格拉茨工业大学)
该研究以SWE-bench等基准的F2P测试为工具,搭配Claude Opus 5等模型与SWE-agent,发现LLM生成补丁的运行时性能与问题解决率无关,需将补丁性能纳入仓库级问题解决的评估。
2026-10-12 cs.CL cs.SE
Automatic Repair of Buggy If Conditions and Missing Preconditions with SMT
我们提出了Nopol,一种自动修复错误的方法,如果条件和缺少先决条件。作为输入,它采用一个程序和一个测试套件,其中包含通过测试用例建模的预期行为的程序和至少一个失败的测试用例体现的错误要修复。它包括从多个仪表测试套件执行中收集数据,将这些数据转换为可满足性模理论(SMT)问题,并将SMT结果(如果存在)转换为源代码补丁。Nopol修复面向对象的代码,并允许补丁包含空性检查以及特定的方法调用。
2014-04-11 cs.SE
Impact of Combining Syntactic and Semantic Similarities on Patch Prioritization while using the Insertion Mutation Operators
补丁优先级根据候选补丁正确的可能性对其进行排名。更有可能修复bug的修复成分具有很高的上下文相似性。最近的一项研究表明,结合句法和语义相似性来捕获上下文相似性,可以更好地对补丁进行优先级排序。在这项研究中,我们评估的句法和语义特征相结合的补丁优先级使用插入突变算子的影响。本研究考察了句法和语义特征的不同组合对补丁优先级的影响。作为一个试点研究,该方法使用系谱相似性来衡量语义相似性和归一化的最长公共子序列,归一化的编辑距离,余弦相似性,和Jaccard相似性指数来捕捉句法相似性。它还考虑反模式来过滤掉不正确的可能补丁。句法相似度和语义相似度的结合可以在很大程度上减少搜索空间。此外,该方法在错误的合理错误之前生成错误的修复。我们使用插入突变算子在IntroClassJava基准测试中评估了这些技术,并在不正确的合理错误之前成功地修复了6个错误。因此,考虑到以前的研究,结合语法和语义相似性的方法可以解决来自基准测试的总共25个错误,并且据我们所知,它是解决错误数量最多的方法。使用CapGen的公开结果进一步检查生成的修复的正确性,因此对于生成的修复,该方法实现了100%的精度
2023-02-07 cs.SE
When Automated Program Repair Meets Regression Testing -- An Extensive Study on 2 Million Patches
本文首次在超过200万个补丁上系统研究了不同粒度回归测试选择技术对12个先进APR系统的影响,揭示了将RTS应用于APR以降低补丁执行成本的实用指南。
2024-07-02 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
Automated Repair of OpenID Connect Programs (Extended Version)
University of California, Los Angeles(加州大学洛杉矶分校);University of California, San Diego(加州大学圣地亚哥分校);University of California, Santa Barbara(加州大学圣塔芭芭拉分校)
针对OpenID Connect协议存在安全漏洞的问题,提出集成故障定位、补丁合成、验证组件且基于Petri网模型检验器的反例引导修复引擎AuthFix,在23个漏洞数据集上实现74%的正确修复率。
2025-10-03 cs.CR cs.SE
Practical Program Repair in the Era of Large Pre-trained Language Models
本研究首次对直接应用大预训练语言模型(PLMs)进行自动化程序修复(APR)开展广泛研究,验证了PLMs在多数据集上的修复效果优于现有技术,并揭示了规模效应和后缀代码的重要性。
2024-12-09 cs.SE
Semantic Drift in Bug Resolution: How Behavioral Signals Propagate from Reports to Tests and Patches
University of Luxembourg(卢森堡大学);Nanjing University of Science and Technology(南京理工大学);Zhejiang University(浙江大学);Bilkent University(比尔肯特大学);Singapore Management University(新加坡管理大学)
研究错误修复中行为信号跨工件传播的量化问题,核心方法是引入Desc2Fix框架,通过结构化行为锚等实现语义对齐,主要贡献是证明行为对齐可测且非相似性可比,能为测试和补丁相关工作提供可重现信号,助力多项错误修复任务。
2026-08-14 cs.SE
Unveiling Practical Shortcomings of Patch Overfitting Detection Techniques
University College London(伦敦大学学院);Monash University(蒙纳士大学);Universitat Politècnica de Catalunya(加泰罗尼亚理工大学)
研究发现简单随机选择在多数情况下优于现有修补过拟合检测技术,指出当前技术在实际应用中效果有限,需进一步改进。
2026-03-11 cs.SE
SWE-Proof: Can Language Models Resolve Real-World Issues with Machine-Checked Proofs?
UC Berkeley(加州大学伯克利分校);Georgia Tech(佐治亚理工学院);UIUC(伊利诺伊大学厄巴纳-香槟分校);AWS AI Labs(亚马逊云科技人工智能实验室)
本文提出Benchproofer流水线,将真实代码任务转化为形式化验证问题,构建SWE-Proof基准,证明形式化规范能捕获测试遗漏的错误并提升模型解决率,同时揭示规范忠实性合成的开放挑战。
2026-09-24 cs.AI cs.LG cs.SE
Deep Learning for Bug-Localization in Student Programs
Indian Institute of Science(印度科学学院);Google Brain(谷歌大脑)
提供反馈是教学的一个组成部分。大多数关于编程的开放式在线课程都使用自动评分系统来支持编程作业并提供实时反馈。这些系统通常依赖于测试结果来量化程序的功能正确性。他们把不及格的试卷作为反馈给学生。然而,学生们可能会发现,如果他们没有得到关于错误在哪里以及如何修复它的提示,他们很难调试他们的程序。在这项工作中,我们提出了第一个基于深度学习的技术,可以定位错误程序中的错误w.r.t.一个失败的测试,甚至没有运行程序。我们的技术的核心是一种新型的树卷积神经网络,它被训练来预测程序是否通过或失败。为了定位错误,我们使用最先进的神经预测归因技术分析训练的网络,并查看程序的哪些行使其预测测试结果。我们的实验表明,所提出的技术通常是更准确的两个国家的最先进的程序频谱为基础的和一个语法差异为基础的错误定位基线。
2019-05-28 cs.LG cs.SE
Show Me Why It's Correct: Saving 1/3 of Debugging Time in Program Repair with Interactive Runtime Comparison
提出交互式方法iFix,通过静态分析和对齐不同补丁的运行时变量值来辅助开发者比较与理解补丁,显著缩短了任务完成时间并提升了正确补丁排序。
2025-03-01 cs.HC cs.SE
Refine After Generation: Toward Correct and Concise Patches in LLM-based Program Repair
City University of Hong Kong(香港城市大学);Aalto University(阿尔托大学);Jisuan Institute of Technology(计算技术研究所);University of Alberta(阿尔伯塔大学)
针对基于LLM的程序修复中补丁冗余问题,提出RECAP适配器,在保留或提升解决率的同时,大幅降低补丁大小,实现更优的大小-正确性权衡。
2026-08-14 cs.SE
On the Efficiency of Test Suite based Program Repair: A Systematic Assessment of 16 Automated Repair Systems for Java Programs
基于测试的自动程序修复是近十年来软件工程领域的一个研究热点。确实已经提出了许多方法,这些方法利用测试套件作为对程序规范的弱但可负担的近似。尽管文献经常在可以修复的基准测试错误的数量上创造新的记录,但一些研究越来越多地提出了对最先进方法的局限性和偏见的担忧。例如,生成的补丁的正确性已在一些研究中受到质疑,而其他研究人员指出,评估方案可能会误导故障定位结果的处理。然而,有很少的工作解决补丁生成的效率,关于程序修复的实用性。在本文中,我们填补了这一空白,在文献中,通过提供一个广泛的审查测试套件的程序修复的效率。我们的目标是评估生成的补丁候选者的数量,因为这些信息与(1)有效地遍历搜索空间以选择有意义的修复尝试的策略相关,(2)最小化识别合理补丁的测试工作的策略,(3)以及优先生成正确补丁的策略。为此,我们进行了大规模的实证研究的效率,在数量上产生的补丁候选人的16个开源修复工具的Java程序。在相同的故障定位配置下仔细地进行实验以限制偏差。
2020-08-03 cs.SE
Nopol: Automatic Repair of Conditional Statement Bugs in Java Programs
我们提出了NOPOL,一种自动修复错误条件语句的方法(即,if-then-else语句)。这种方法将一个有缺陷的程序和一个测试套件作为输入,并生成一个带有条件表达式的补丁作为输出。测试套件需要包含通过测试用例,以模拟程序的预期行为,以及至少一个失败的测试用例,以揭示要修复的错误。NOPOL的过程包括三个主要阶段。首先,NOPOL采用天使修复本地化,以确定在测试执行过程中的条件的预期值。其次,运行时跟踪收集用于收集变量及其实际值,包括原始数据类型和面向对象的特征(例如,空性检查),以用作补丁生成的构建块。第三,NOPOL将这些收集的数据编码成可满足性模理论(SMT)问题的实例,然后将SMT实例的可行解翻译回代码补丁。我们评估NOPOL的22个真实世界的错误(16个错误与错误的IF条件和6个错误与缺少先决条件)在两个大型开源项目,即Apache Commons Math和Apache Commons Lang。这些错误的实证分析表明,我们的方法可以有效地修复错误的IF条件和缺少先决条件。我们说明了NOPOL的能力和局限性,使用真正的错误修复的案例研究。
2018-11-10 cs.SE
Kernel-based Detection of Coincidentally Correct Test Cases to Improve Fault Localization Effectiveness
虽然实证研究已经证实了基于频谱的故障定位(SBFL)技术的有效性,它们的性能可能会下降,由于存在一些不希望的情况下,如巧合的正确性(CC)的存在,其中一个或多个通过测试的情况下,行使一个错误的语句,从而导致一些混乱,以决定是否行使的语句是错误的或没有。本文旨在通过减轻CC测试用例的影响来提高SBFL的有效性。在这方面,提出了一种新的方法,该方法使用具有定制核函数的支持向量机(SVM)。为了构建内核函数,我们应用了一种新的序列匹配算法,该算法可以测量通过和失败执行之间的相似性。我们进行了一些实验来评估所提出的方法。实验结果表明,该方法可以有效地提高SBFL技术的性能。
2018-03-25 cs.SE
Echo: Graph-Enhanced Retrieval and Execution Feedback for Issue Reproduction Test Generation
Nanjing University(南京大学);University College London(伦敦大学学院);NOFA(诺发);University of Texas at Dallas(德克萨斯大学达拉斯分校)
Echo通过基于代码图的检索和执行反馈生成缺陷重现测试用例,提升测试生成效率与准确性。
2026-03-07 cs.SE
Beyond the Leaderboard: Multi-Dimensional Evaluation of Dense and Mixture-of-Experts Models for Automated Program Repair
National Institute of Technology, Calicut(卡利卡特国家理工学院)
针对自动程序修复,提出加权质量指数(QI)综合评估功能正确性、可维护性、安全性和效率,发现MoE模型以更少激活参数达到与较大密集模型相当的正确性,凸显激活参数作为评估视角的重要性。
2026-10-07 cs.LG cs.SE
Towards Practical and Useful Automated Program Repair for Debugging
针对现有自动化程序修复(APR)依赖测试用例、需重跑程序、修复复杂缺陷能力弱等实用性不足问题,提出交互式IDE修复系统PracAPR,通过无测试缺陷定位、结合大模型与策略的补丁生成、模拟轨迹验证实现无需测试和程序重跑的修复,推动APR实用化。
2024-07-12 cs.SE