Extension Language Automation of Embedded System Debugging
嵌入式系统包含几个目标处理抽象层。这些层包括电子电路、二进制机器码、助记符汇编代码以及高级过程和面向对象的抽象。物理嵌入式系统中的物理和时间约束以及工件使得软件工程师不可能在处理器抽象的单个层上操作。Luxdbg嵌入式系统调试器将这些层暴露给调试器用户，并添加了一个附加层，即扩展语言层，允许用户扩展调试器及其目标处理器功能。Tcl是Luxdbg的扩展语言。Luxdbg用户可以应用Tcl来自动化交互式调试步骤，重定向和互连目标处理器输入输出设施，调度多处理器执行，记录和响应目标处理异常，以及自动化目标系统测试。在调试器中包含像Tcl这样的扩展语言可以为分布式调试带来额外的好处，其中调试器可以在计算机网络上传递扩展语言表达式。
2000-11-06 cs.PL cs.SE
SEDCoT: Enhancing LLM-Based COBOL Code Translation via Symbolic Execution and Delta Debugging
University of Lugano（卢加诺大学）；Technical University of Munich（慕尼黑工业大学）；University of Augsburg（奥格斯堡大学）
针对COBOL代码翻译难题，提出SEDCoT框架。先利用大语言模型初译，再结合符号执行与大语言模型指导生成测试套件修复语义差异，最后用增量调试最小化失败测试，提升翻译性能与可读性。
2026-09-02 cs.SE
Automated Debugging In Java Using OCL And JDI
正确性约束为面向对象系统中的自动调试提供了基础。本文讨论了一种将正确性约束纳入Java开发环境的新方法。我们的方法使用对象约束语言（“OCL”）作为规约语言和Java接口（“JDI”）作为验证API。OCL提供了一种用于表达面向对象的约束的标准语言，其可以与统一建模语言（“UML”）软件模型集成。JDI提供了一个标准的Java API，能够支持类型安全和无副作用的运行时约束评估。所得到的正确性约束机制：（1）不需要程序设计语言修改;（2）既不需要访问也不需要改变现有的源代码;以及（3）与标准的现成Java虚拟机（“VM”）一起工作。一个原型的正确性约束审计员，以证明该机制的自动调试的目的的效用。
2001-01-03 cs.PL cs.SE
Automated Multi-Source Debugging and Natural Language Error Explanation for Dashboard Applications
Palo Alto Networks（派拓网络）
本文提出了一种自动化多源调试系统，利用大型语言模型生成自然语言错误解释，以提高仪表盘应用的调试效率和用户体验。
2026-02-17 cs.AI cs.SE
Accurate Coverage Metrics for Compiler-Generated Debugging Information
针对优化程序调试信息不完整且现有覆盖率度量方法粗糙不可比的问题，提出可由工具计算的新度量标准，以激励语言实现提升调试质量。
2024-02-07 cs.PL cs.SE
Out-Of-Place debugging: a debugging architecture to reduce debugging interference
上下文最近的研究表明，开发人员将大部分编程时间用于测试，验证和调试软件。随着应用程序变得越来越复杂，开发人员需要更高级的调试支持来简化软件开发过程。查询自70年代以来，引入了许多调试解决方案。其中，在线调试器提供了一个很好的洞察导致错误的条件，允许检查和与程序的变量交互。然而，大多数在线调试解决方案将\textit{debugging interference}引入到程序的执行中，即暂停、延迟和包含副作用的代码的评估。approach.本文研究了一种新的调试技术，称为\outofplace调试。目标是最小化在线调试的调试干扰特性，同时允许在线远程功能。\outofplace调试器将程序执行和应用状态从被调试的应用程序传送到调试器应用程序，两者都在不同的进程中运行。知识一方面，\outofplace调试允许开发人员远程调试应用程序，克服了对运行被调试应用程序的机器进行物理访问的需要。另一方面，调试在远程机器上本地进行，避免了延迟。这使得它适合部署在分布式系统上，并处理并行运行的多个进程的调试。接地。我们为Pharo Smalltalk程序设计语言实现了一个具体的异地调试器。我们表明，我们的方法是实用的，通过执行几个基准，比较我们的方法与经典的远程在线调试器。我们表明，我们的原型调试器优于传统的远程调试器在几种情况下的1000倍。此外，我们表明，我们的调试器的存在不会影响应用程序的整体…
2018-11-05 cs.SE
DePro: Understanding the Role of LLMs in Debugging Competitive Programming Code
Military Institute of Science And Technology（军事科学与技术学院）；Missouri University of Science and Technology（密苏里科技大学）；University of Maryland Baltimore County（马里兰大学巴尔的摩县分校）
本文通过实证研究，提出DePro方法，利用测试用例驱动的方式帮助程序员修正现有代码，有效提升调试效率，实验表明其在减少调试次数和时间方面优于人类和零样本LLM。
2026-03-19 cs.SE
HDLdebugger: Streamlining HDL debugging with Large Language Models
CUHK（香港中文大学）；Huawei（华为）；HKUST（香港科技大学）；HKSUT (GZ)（香港理工大学（广州））；HiSilicon（海思半导体）
本文提出HDLdebugger框架，结合逆向工程数据生成、检索增强生成与LLM微调，自动化简化芯片设计中的HDL调试，并在华为数据集上超越13个前沿LLM基线。
2024-03-18 cs.AI cs.AR cs.CE
DebugBench: Evaluating Debugging Capability of Large Language Models
Tsinghua University（清华大学）；Renmin University of China（中国人民大学）；ModelBest Inc.（ModelBest公司）；Siemens AG.（西门子公司）
本文提出包含4253个实例的DebugBench基准，覆盖C++、Java和Python的四大类18种缺陷，通过零样本评估揭示闭源与开源LLM在调试能力上的差距、缺陷类别对复杂度的影响以及运行时反馈的非确定性作用。
2024-06-06 cs.AI cs.CL cs.SE
Large Language Model Guided Self-Debugging Code Generation
Open Source Institute, Faculty of Science and Technology, University of Canberra（开源研究院，科学与技术学院，堪培拉大学）
本文提出PyCapsule框架，通过双代理流水线和自调试模块提升Python代码生成的成功率，在多个基准上显著优于现有方法。
2026-11-03 cs.AI cs.SE
ProDebug: An Automated Debugging System for Prolog
Carnegie Mellon University（卡内基梅隆大学）
提出结合大语言模型、频谱和变异技术的Prolog自动调试系统ProDebug，用于识别学生作业中的错误并生成修复方案。
2026-05-26 cs.PL cs.SE
Generation of and Debugging with Logical Pre and Postconditions
本文介绍了SLAM系统提供的调试工具。SLAM系统包括i）规约语言，其使用面向对象的模型来集成代数规范和基于模型的规范。类操作是通过使用规则来定义的，每个规则都有逻辑上的前置条件和后置条件，但都有函数的味道。ii）一种开发环境，除了其他特征之外，该开发环境能够以高级面向对象语言生成可读代码。iii）生成的代码包括（部分）前置和后置条件作为断言，可以在程序的调试模式执行中自动检查。我们专注于最后一个方面。SLAM语言的表达能力足以描述许多有用的属性，这些属性被翻译成Prolog程序，该程序（通过适当的接口）与用户程序链接。程序的调试执行与负责检查属性的Prolog引擎交互。
2001-01-12 cs.PL cs.SE
Improving Debugging in Verification-Aware Languages Through Automated Fault Localization: A Case Study in Dafny
INESC TEC, Faculdade de Engenharia, Universidade do Porto（波尔图大学工程_faculdade_de_engenharia，INESC TEC）
本文以 Dafny 为例，对比基于状态与基于反例的自动故障定位方法，通过 MutDafny 与 DafnyBench 开展评估，发现基于反例的方法更优，结构化排序与多轨迹聚合可提升定位效果。
2026-08-10 cs.SE
DebugTracker: Lightweight Process Evidence for Classroom Debugging
Monash University（莫纳什大学）
研究提出DebugTracker这一VS Code扩展，用于记录课堂调试的轻量级过程证据，它能分离不同模式跟踪、存储特定事件并导出报告，与语言无关，通过标准机制捕获证据，经多语言调试任务等验证了原型。
2026-08-18 cs.CY cs.SE
A Serverless Architecture for Real-Time Stock Analysis using Large Language Models: An Iterative Development and Debugging Case Study
Independent Researcher（独立研究者）
本文记录了一个基于 LLM 的实时股票分析无服务器系统的设计、实现与迭代调试过程，该系统利用 Gemini API 和 GitHub Actions 实现近零成本的自动化金融数据分析，并通过案例研究探讨了部署中的调试挑战及人机协作范式。
2025-07-13 cs.AI cs.SE
Towards Foundational AI Models for Additive Manufacturing: Language Models for G-Code Debugging, Manipulation, and Comprehension
Iowa State University（爱荷华州立大学）；New York University（纽约大学）
本文评估了六种基础大语言模型在3D打印G代码调试与理解中的表现，设计了有效提示以支持错误检测、修正及几何变换，并分析了其优势、局限与应用前景。
2023-09-04 cs.AI cs.CL cs.LG
Empowering Student Debugging in Parallel Programming with Execution Traces and Large Language Models
The University of Texas at San Antonio（圣安东尼奥德州大学）；The University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
提出ParaView工具，通过执行记录与可视化帮助学生调试并发程序，结合大语言模型分析错误，实验表明调试成功率显著提升。
2026-06-15 cs.DC cs.SE
Combining Logic with Large Language Models for Automatic Debugging and Repair of ASP Programs
本文提出 FormHe，融合逻辑故障定位、程序变异与 LLM，自动识别并修复学生提交的错误 ASP 程序，实验显示故障检测准确率达 94%、修复成功率达 58%。
2024-10-28 cs.LO cs.SE
Debugging Flaky Tests using Spectrum-based Fault Localization
本文提出SFFL，一种基于频谱的故障定位扩展，利用不稳定测试的覆盖变化特征，在101个Python不稳定测试上平均将故障定位到代码库的3.5%，比传统SFL提升18.7%。
2023-05-08 cs.SE
VeriDebug: A Unified LLM for Verilog Debugging via Contrastive Embedding and Guided Correction
City University of Hong Kong（香港城市大学）；Southeast University（东南大学）
提出VeriDebug方法，通过对比嵌入与引导校正统一Verilog错误检测与修复，显著提升调试准确率并超越现有开源及闭源模型。
2025-04-27 cs.AI cs.AR cs.SE
ReduKtor: How We Stopped Worrying About Bugs in Kotlin Compiler
众所周知，缺陷定位是软件工程中的一个难题，特别是在编译器开发中，将输入程序减少到最小的复制示例是有益的;这种技术通常称为delta调试。另一个问题是，每种新的程序设计语言都有自己独特的怪癖和弱点，这使得完全有效地重用现有的工具和方法几乎是不可能的。在这篇经验论文中，我们解决了delta调试问题w.r.t. Kotlin，一种来自JetBrains的相对较新的程序设计语言。我们的方法是基于程序切片，分层增量调试和Kotlin特定转换的新组合，它们相互协同。我们在一个名为ReduKtor的原型中实现了它，并对合成和真实的Kotlin程序进行了广泛的评估;我们还将其性能与经典的delta调试技术进行了比较。评估结果支持我们的Kotlin delta调试方法的实际可用性，也表明了使用语言无关和语言特定技术来实现最佳还原效率和性能的重要性。
2019-09-16 cs.PL cs.SE
Effective Large Language Model Debugging with Best-first Tree Search
NVIDIA（英伟达）
提出一种带自我反思的最佳优先树搜索算法（BESTER），使LLM能通过识别先前错误来调试代码，在三个基准上实现最先进的Pass@1，并提供了关于自我反思机制与有效性的深入分析。
2024-07-26 cs.AI cs.LG cs.SE
Tool for Supporting Debugging and Understanding of Normative Requirements Using LLMs
本文提出SLEEC-LLM工具，利用大语言模型为规范性需求（SLEEC）的模型检查反例提供自然语言解释，以提升非技术用户的需求获取与一致性分析效率，并通过两个实际案例验证其有效性。
2025-07-07 cs.SE
Guided Debugging of Auto-Translated Code Using Differential Testing
针对大语言模型代码翻译错误难定位的问题，提出结合模糊测试与启发式差分测试的调试工具tHinter，可大幅减少开发者审查代码量并提升错误修复效率。
2025-01-16 cs.SE
MLDebugging: Towards Benchmarking Code Debugging Across Multi-Library Scenarios
School of Computer Science and Engineering, Central South University, China（中南大学计算机科学与工程学院）；The University of Hong Kong（香港大学）；Research Center for SCIR, Harbin Institute of Technology, Harbin, China（哈尔滨工业大学SCIR研究中心）；School of Communication and Information Engineering, Shanghai University, China（上海大学通信与信息工程学院）
针对现有代码调试研究忽略现实多库场景的问题，该研究推出涵盖126个Python库、7类问题的MLDebugging多库调试基准，经主流LLM评估发现当前模型多库调试能力不足，为后续研究提供参考。
2025-06-15 cs.AI cs.SE
Design and Implementation of Data Acquisition and Analysis System for Programming Debugging Process Based On VS Code Plug-In
ONUS Global Fulfillment Solutions（ONUS全球履约解决方案）
本文设计并实现了一个基于VS Code插件的编程调试过程数据采集与分析系统，通过抽象语法树模型和多维调试场景，实现调试行为的全过程监控与精准分析，为编程调试教学提供过程性评价支持。
2025-11-08 cs.SE cs.SI
An Exploratory Eye Tracking Study on How Developers Classify and Debug Python Code in Different Paradigms
本研究通过眼动追踪实验探究开发者在Python代码分类与调试中受编程范式的影响，发现函数式与过程式范式易混淆、函数式代码调试耗时更长且阅读模式存在显著差异。
2025-11-10 cs.SE
Assertion checker for the C programming language based on computations over event traces
提出了一种基于精确程序行为模型的软件测试和调试自动化工具的开发方法。程序行为模型被定义为一组事件（事件跟踪），事件上有两个基本的二元关系-优先级和包含，并表示动作之间的时间关系。开发了一种用于事件跟踪计算的语言，为断言检查、调试查询、执行配置文件和性能测量提供了基础。该方法是非破坏性的，因为断言文本与目标程序源代码分离，可以独立维护。断言可以捕获特定目标程序的动态属性，并且可以形式化典型错误和调试策略的一般知识。事件语法通过目标程序自动插装为断言语言实现提供了可靠的基础。一个实现架构和初步的实验与原型断言检查的C程序设计语言进行了讨论。
2001-01-12 cs.PL cs.SE
Kodezi Chronos: A Debugging-First Language Model for Repository-Scale Code Understanding
Kodezi Inc.（Kodezi公司）
Kodezi Chronos-1是一种专为调试设计的语言模型，通过自适应图引导检索、持久调试内存和七层架构，在多文件调试任务中达到67.3%的修复准确率，超越现有模型并实现仓库特定的高解决率。
2025-12-02 cs.AI cs.CE cs.LG
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
The GitHub Recent Bugs Dataset for Evaluating LLM-based Debugging Applications
针对 Defects4J 可能已进入 LLM 训练数据导致评估失真的问题，本文构建 GHRB 数据集，提供 OpenAI 截止日期后的 76 个真实 Java 缺陷。
2023-11-02 cs.SE
Post-hoc LLM-Supported Debugging of Distributed Processes
images/wse-cube-no-shadow.png Web \& Software Engineering Research Group\ University of Applied Sciences
针对分布式软件系统手动调试资源密集、流程陈旧的问题，提出一种结合生成式AI与进程数据的调试方法，生成自然语言解释引导开发理解进程行为及错误，并提供开源Web演示器。
2025-08-20 cs.AI cs.SE
COAST: Enhancing the Code Debugging Ability of LLMs through Communicative Agent Based Data Synthesis
Northeastern University（东北大学）；Peking University（北京大学）；Tsinghua University（清华大学）
针对现有代码调试基准仅聚焦代码修复阶段的局限，本文提出DEBUGEVAL多阶段评估基准，发现7B规模模型调试能力不足；进而提出COAST多智能体数据合成框架，生成的训练数据可使7B规模LLMs调试性能媲美GPT-3.5。
2025-02-12 cs.AI cs.SE
Exploring Interaction Patterns for Debugging: Enhancing Conversational Capabilities of AI-assistants
Microsoft（微软公司）
本文借鉴交互模式与对话分析，设计增强调试AI助手Robin，通过插入扩展、轮流发言及调试工作流，降低对话障碍，提升故障定位，使错误解决率提高5倍。
2024-02-09 cs.AI cs.HC cs.SE
Locating Faults with Program Slicing: An Empirical Analysis
统计故障定位是一种易于部署的技术，用于快速确定故障代码位置的候选者。但是，如果人类程序员必须在顶部候选位置之外搜索故障，那么沿着动态切片跟踪依赖关系的更传统的技术可能更适合。在一个大型的研究457错误（369单故障和88多故障）在46个开源C程序，我们比较了统计故障定位的有效性，对动态切片。对于单个故障，我们发现，动态切片比最佳性能的统计调试公式更有效8个百分点;对于66%的错误，动态切片比最佳性能的统计调试公式更早发现故障。在我们的评估中，动态切片是更有效的程序与单故障，但统计调试执行更好的多故障。然而，最好的结果是通过混合方法获得的：如果程序员首先从统计调试中检查最多前五个最可疑的位置，然后切换到动态切片，平均而言，他们将需要检查15%（30行）的代码。这些发现适用于18个最有效的统计调试公式，我们的结果与故障数量（即单个或多个故障）和错误类型（即人为或真实错误）无关。
2021-01-08 cs.SE
Revisit Self-Debugging with Self-Generated Tests for Code Generation
Peking University（北京大学）；Beijing Institute of Technology（北京理工大学）；Meituan（美团）
本研究重新审视了代码生成中的自调试方法，提出执行后与执行中两种范式，发现后者能利用中间状态减轻自生成测试的偏差，从而提升性能。
2025-01-22 cs.AI cs.SE
VeriBugBench: An Empirically Grounded Framework for Constructing Verilog RTL Debugging Benchmarks
School of Computer and Information Engineering, Institute for Artificial Intelligence, Shanghai Polytechnic University（上海理工大学计算机与信息工程学院人工智能研究院）；Guangzhou College of Commerce（广州商学院）；Chongqing University（重庆大学）；National University of Defense Technology（国防科技大学）；Academy of Military Sciences（军事科学院）
VeriBugBench提出一个基于经验构建Verilog RTL调试基准的框架，通过故障构建、LLM测试增强和保留机制，生成2,608个可执行故障实例，提升故障可观测性至39.54%。
2026-09-21 cs.AR cs.SE
A Framework for Debugging Java Programs in a Bytecode
在软件工程领域，程序分析和理解一直被认为是一个非常具有挑战性的任务，因为它需要专门的时间和精力。由于其静态特性，对源代码的分析有时可能相对容易，然而，后端代码（字节码），特别是在Java编程方面，分析起来很复杂。在本文中，我们提出了一种方法论的方法来理解Java程序的字节码。提出了一个Java字节码调试过程的框架。此外，我们讨论了调试过程中的字节码理解从简单的多语句方面的数据流分析。最后，我们提出了一个比较分析的字节码随着模拟的建议框架的调试过程
2019-04-29 cs.FL cs.PL cs.SE
Learning Code-Edit Embedding to Model Student Debugging Behavior
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
提出基于编码器-解码器的模型，通过学习连续代码提交间的代码编辑嵌入并微调LLMs，捕捉学生调试行为，实现个性化代码建议并揭示常见错误模式。
2025-04-29 cs.CL cs.SE
Enhancing LLM Code Generation: A Systematic Evaluation of Multi-Agent Collaboration and Runtime Debugging for Improved Accuracy, Reliability, and Latency
本文系统评估了多智能体协作与运行时调试相结合对LLM代码生成的影响，通过19个模型和两个基准数据集验证其在准确性、可靠性和延迟方面的综合效果。
2025-05-04 cs.SE
Towards Source Mapping for Zero-Knowledge Smart Contracts: Design and Preliminary Evaluation
由于zkSolc等编译器中缺乏源映射，因此对零知识兼容的智能合约进行验证和审计仍然是一个重大挑战。在这项工作中，我们提出了一个初步的源代码映射框架，在zkSolc编译管道中建立Solidity源代码，LLVM IR和zkEVM字节码之间的可追溯性。我们的方法解决了零知识编译中非线性转换和证明友好优化所带来的可追溯性挑战。为了提高映射的可靠性，我们结合了轻量级的一致性检查的基础上静态分析和结构验证。我们在50个基准合约和500个真实zkSync合约的数据集上评估了该框架，观察到标准Solidity结构的映射准确率约为97.2%。在复杂的情况下，如内联程序集和深层继承层次结构，会出现预期的限制。测得的编译开销保持适度，约为8.6%。我们的初步结果表明，在零知识编译管道中的源映射支持是可行的，可以有利于调试，审计和开发工作流。我们希望这项工作可以作为进一步研究和工具开发的基础，旨在改善zk-Rollup环境中的开发人员体验。
2025-05-02 cs.SE
How to Teach Programming in the AI Era? Using LLMs as a Teachable Agent for Debugging
本研究提出HypoCompass系统，让学生以助教身份帮LLM可教智能体调试代码，通过任务分工提升学生调试能力，其生成训练材料效率超人类四倍，学生调试成绩提升12%。
2024-10-10 cs.HC cs.SE
ChatDBG: Augmenting Debugging with Large Language Models
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；Amazon Web Services（亚马逊网络服务）；Williams College（威廉姆斯学院）
ChatDBG是一个集成大型语言模型的AI调试助手，通过与调试器协作对话，实现根因分析、错误解释和自动修复，显著提升调试效率，单次查询修复率达67%。
2025-06-19 cs.AI cs.LG cs.PL
LAUDE: LLM-Assisted Unit Test Generation and Debugging of Hardware DEsigns
Dept. of Electrical and Computer Engineering, University of Illinois Chicago（伊利诺伊大学芝加哥分校电子与计算机工程系）；Microsoft（微软公司）
LAUDE利用大语言模型能力，实现硬件设计的单元测试生成与调试，有效检测和修复设计中的错误。
2026-08-11 cs.AI cs.SE
Debug like a Human: A Large Language Model Debugger via Verifying Runtime Execution Step-by-step
University of California, San Diego（加利福尼亚大学圣迭戈分校）
本文提出LDB调试框架，将程序分割为基本块并跟踪运行时中间变量值，使LLMs能逐块验证代码正确性并定位错误，在多个基准上提升调试性能最高达9.8%。
2024-06-06 cs.AI cs.CL cs.SE
Reasoning Trajectories for Socratic Debugging of Student Code: From Misconceptions to Contradictions and Updated Beliefs
University of North Carolina at Charlotte（北卡罗来纳州夏洛特大学）
本文提出推理轨迹生成任务，通过标注的调试问题数据集探讨生成推理轨迹和基于LLM的苏格拉底对话方法，实验显示LLM能生成91%正确的推理轨迹和98.7%有效的对话内容。
2026-05-11 cs.CL cs.CY cs.SE
Automated Dynamic Concurrency Analysis for Go
Go语言的并发特性在许多并发系统的开发中被证明是通用的。然而，解决Go并发调试挑战的正确性方法并没有得到太多的关注。在这项工作中，我们提出了一个自动的动态跟踪机制，有效地捕捉和帮助分析整个程序的并发模型。使用Go的内置跟踪程序包的增强功能和从应用程序执行中收集动态跟踪的框架，我们可以为并发调试进行彻底的事后分析。我们提出的动态跟踪并发调试的有效性和可扩展性（超过2K goroutines）的初步结果。我们讨论了未来的方向，利用动态跟踪加速并发错误暴露。
2021-05-24 cs.DC cs.SE
Evaluating Agentic Code Repair Capabilities in Distributed Systems
University of Southern California（南加州大学）
该研究推出分布式系统代码修复基准DDBench，评估10个LLM的代码修复能力，发现调试上下文可提升准确率且对强弱模型影响不同，分布式调试能凸显单进程基准未体现的推理能力。
2026-08-18 cs.AI cs.DC cs.SE
BugSpotter: Automated Generation of Code Debugging Exercises
MPI-SWS（马克斯·普朗克软件系统研究所）；University of Auckland（奥克兰大学）
BugSpotter利用大语言模型自动生成带错误的代码调试练习，并通过课堂对比验证其与人工出题效果相当，为编程教学提供高效辅助。
2024-11-25 cs.AI cs.SE
debug-gym: A Text-Based Environment for Interactive Debugging
Microsoft Research Montréal（微软研究院蒙特利尔研究院）；Microsoft Research NYC（微软研究院纽约研究院）；McGill University（麦吉尔大学）；Mila, Université de Montréal（蒙特利尔大学米拉研究所）
本文提出debug-gym，一个轻量级文本环境，通过提供pdb等工具支持LLM智能体交互式调试，并可推广至其他信息寻求任务。
2025-03-27 cs.AI cs.CL cs.PL
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
Exploring and Characterizing Large Language Models For Embedded System Development and Debugging
University of Washington（华盛顿大学）
本文开发了开源硬件在环框架评估LLMs在嵌入式系统开发中的能力，发现GPT-4具备跨领域推理优势，并提出人机协作工作流显著提升了不同经验开发者的生产力与成功率。
2023-11-22 cs.AI cs.SE
Structural Verification for Reliable EDA Code Generation without Tool-in-the-Loop Debugging
University of Illinois Chicago（伊利诺伊大学芝加哥分校）；Intel Corporation（英特尔公司）
本文提出通过强制执行结构正确性来提高EDA代码生成的可靠性与效率，采用结构依赖图作为显式执行合同，并通过验证引导合成框架进行图条件检索、约束生成和分阶段预执行验证，从而在单步和多步任务中显著提升通过率。
2026-04-20 cs.SE cs.SY eess.SY
AutoGen Studio: A No-Code Developer Tool for Building and Debugging Multi-Agent Systems
Microsoft Research（微软研究院）
为解决多智能体系统参数指定与调试困难的问题，提出基于AUTOGEN框架的无代码工具AUTOGEN STUDIO，提供拖放式UI和Python API以快速原型设计、评估和调试多智能体工作流，并开源了实现。
2024-08-09 cs.AI cs.CL cs.HC
