CircInspect: Integrating Visual Circuit Analysis, Abstraction, and Real-Time Development in Quantum Debugging
The University of British Columbia(不列颠哥伦比亚大学)
本文提出 CircInspect,一款面向 Python 与 PennyLane 量子程序的交互式调试工具,通过断点、实时开发、线路可视化和信息抽象帮助开发者理解并排查量子软件。
2025-09-04 cs.SE
A Bayesian Framework for Automated Debugging
这占用了开发人员很大一部分时间。因此,包括故障定位(FL)和自动程序修复(APR)的自动调试技术由于其在调试任务中帮助开发人员的潜力而获得了显著的关注。尽管对这些主题进行了深入的研究,但我们并不知道一个理论框架,它强调了自动调试背后的原则,并允许对技术进行抽象分析。这样一个框架将提高我们对这一努力的理解,并提供一种正式分析技术和方法的方法。为此,我们首先提出了一个贝叶斯框架的理解自动化修复,并发现,结合具体声明的目标,自动化调试,我们可以恢复最大的故障定位公式从以前的工作,以及分析现有的APR技术和他们的基本假设。作为一种手段,实证证明我们的框架,我们进一步提出BAPP,贝叶斯补丁优先级技术,采用中间程序值来分析可能的补丁位置和修复行动,其核心方程是由我们的贝叶斯框架。我们发现,将程序值允许BAPP更精确地识别正确的补丁:当应用到kPAR生成的补丁,排名产生的BAPP减少了68%的补丁验证所需的数量,从而减少了平均34分钟的修复时间。此外,BAPP提高了FL的精度,将所研究的错误的acc@5从8增加到11。这些结果突出了价值认知自动调试技术的潜力,并进一步验证了我们的理论框架。最后,提供了框架建议的未来方向。
2022-12-29 cs.SE
UniDebugger: Hierarchical Multi-Agent Framework for Unified Software Debugging
The Chinese University of Hong Kong(香港中文大学);University of Illinois Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校);The Chinese University of Hong Kong, Shenzhen(香港中文大学(深圳))
针对现有大模型调试方法聚焦孤立步骤、难处理复杂缺陷的问题,提出层级多智能体端到端框架FixAgent模拟开发者调试认知流程,在Defects4J基准上修复缺陷数达SOTA方法的1.25-2.56倍,且无需真实根因信息。
2025-11-18 cs.SE
Enhancing Debugging Skills with AI-Powered Assistance: A Real-Time Tool for Debugging Support
JetBrains Research(JetBrains研究)
本文提出一种基于AI的实时调试辅助工具,通过减少LLM调用并提升准确性,帮助提升编程教育中的调试技能。
2026-01-05 cs.AI cs.CY cs.SE
FReD: Automated Debugging via Binary Search through a Process Lifetime
可逆调试器至少从1970年就开始开发了。当bug的原因与bug的表现时间接近时,这样的特性非常有用。如果原因很久以前,则可以在调试器中设置适当的断点并开始新的调试会话。对于这些情况,当一个错误的原因是远远从它的表现时间,错误诊断需要一系列的调试会话,以缩小错误的原因。对于这样的“困难”的错误,这项工作提出了一个自动化的工具,通过进程的生命周期搜索,并找到原因。例如,该错误可能与程序不变式失败有关。在整个进程生命周期中进行二分搜索就足够了,因为在程序执行开始时不变表达式为真,而在遇到bug时为假。在FReD(快速可逆搜索器)软件中提出了一种用于这种二分搜索的算法。它基于检查点、重新启动和确定性地重放调试会话的多个进程的能力。它基于GDB(调试器),DMTCP(用于检查点重启)和DMTCP的自定义确定性记录重放插件。FReD支持复杂的、真实世界的多线程程序,如MySQL和Firefox。此外,二分搜索是鲁棒的。它在多线程程序上运行,并在重放期间利用多核架构。
2012-12-20 cs.SE
Debugging Tool for Localizing Faulty Processes in Message Passing Programs
在消息传递程序中,一旦进程因意外错误而终止,终止的进程可以通过通信依赖性将错误传播到其余进程,从而导致程序失败。因此,为了定位故障,开发人员必须识别原始错误中涉及的进程组和激活故障的故障进程。本文提出了一种新的调试工具,命名为MPI-Prejugger(MPI-PD),定位错误的消息传递程序的进程。MPI-PD通过检查程序执行期间的通信错误来自动区分原始错误和传播错误。如果MPI-PD观察到任何通信错误,它会回溯通信依赖关系,并在时间轴视图中指出潜在的故障流程。我们还介绍了三个案例研究,其中MPI-PD已被证明在其调试中发挥关键作用。从这些研究中,我们相信MPI-PD可以帮助开发人员定位错误,并允许他们集中精力纠正他们的程序。
2003-10-09 cs.SE
BugsInPy: A Database of Existing Bugs in Python Programs to Enable Controlled Testing and Debugging Studies
受Java缺陷基准Defects4J启发,本研究构建了包含17个真实Python项目493个真实缺陷的BugsInPy基准数据库及工具,以填补Python测试调试基准的不足,推动相关工具研究发展。
2024-01-27 cs.SE
Accelerating Delta Debugging through Probabilistic Monotonicity Assessment
针对Delta调试单调性假设在实践中不总是成立的问题,提出概率单调性评估方法PMA,通过动态评估搜索空间单调性实现概率性剪枝,在维持甚至提升约简效果的同时大幅提升DDMIN类Delta调试算法的效率。
2025-06-13 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
The Visual Debugger Tool
本文提出一种集成于IntelliJ IDEA的可视化调试工具,通过对象图图形化展示程序执行信息,以降低软件调试与维护成本。
2024-04-19 cs.SE
Debugging Quantum Processes Using Monitoring Measurements
由于对量子系统的观察可能导致系统状态崩溃,因此通常很难找到一种方法来监控量子过程,这是一个不断演化的量子系统。我们提出了一个协议,可以通过监控来调试量子过程,但不会干扰系统的演化。该协议包括一个错误检测器和一个调试策略。检测器是一个投影算子,它在一系列时间点上与预期的系统状态正交,该策略用于指定这些时间点。作为一个例子,我们展示了如何调试量子搜索的计算过程中使用该协议。利用代数数论中的Skolem-Mahler-Lech定理,我们找到了一个构造所有与时间无关的量子过程的调试协议的算法。
2014-03-18 cs.SE quant-ph
Modeling State in Software Debugging of VHDL-RTL Designs -- A Model-Based Diagnosis Approach
在本文中,我们概述了一种方法,应用基于模型的诊断领域的自动软件调试的硬件设计。我们提出了我们的值级模型调试VHDL-RTL设计,并展示了如何本地化的错误组件负责观察到的不当行为。此外,我们讨论了我们的模型,支持调试的时序电路,不仅在给定的时间点,但也允许考虑的时间行为的VHDL-RTL设计的扩展。所引入的模型是能够处理状态固有地存在于每一个时序电路。新模型的主要适用性简要概述,我们使用工业规模的真实世界的例子,从ISCAS'85基准套件,讨论我们的方法的可扩展性。
2003-11-03 cs.AI cs.SE
Scalable and Precise Estimation and Debugging of the Worst-Case Execution Time for Analysis-Friendly Processors
估计应用程序的最坏情况执行时间(WCET)是开发实时或安全关键软件的一项重要任务,但它也是一个复杂且容易出错的过程。传统的方法需要来自用户的至少一些手动输入,例如循环边界和不可行路径信息,这些输入很难获得,并且如果它们不正确,则可能导致不安全的结果。由于缺乏对WCET估计的全面解释,即,一个特定的痕迹显示如何达到WCET。因此,很难发现不正确的输入,也很难改善应用程序的最坏情况时序。与此同时,现代处理器已经达到了一个复杂的,驳斥了分析,并把越来越多的负担,从业者。在这篇文章中,我们将展示如果我们使用适合WCET分析的处理器,所有这些问题都可以得到显著缓解甚至解决。我们定义和识别这样的处理器,然后我们提出了一个自动化的工具集,估计一个精确的WCET没有不安全的手动输入,也重建了一个最大的详细视图的WCET路径,可以在调试器环境中进行检查。我们的方法是基于模型检验,然而,这是众所周知的规模严重的应用程序的大小。我们通过将分析转移到源代码级别来解决这个问题,在源代码级别,可以应用源代码转换,保留计时行为,但降低复杂性。我们的实验表明,快速和精确的估计,可以实现与模型检验,其可扩展性甚至可以超过目前的方法,并出现在“定时调试”的背景下,新的机会。
2018-02-26 cs.SE
On-the-fly Query-Based Debugging with Examples
程序错误很难发现,因为在错误发生的时间和程序员发现错误的时间之间存在因果差距。虽然调试技术(如条件断点和数据断点)有助于在简单情况下找到错误原因,但在许多情况下,它们无法有效地弥合因果差距。基于查询的调试器为程序员提供了一个有效的工具,它通过在被调试程序运行时不断检查对象间的关系来提供即时的错误警报。为了使基于查询的调试器在程序执行中以便携式的方式,我们提出了高效的Java类文件插装,并讨论替代技术。虽然动态调试器的开销比基于查询的动态调试器高,但它提供了额外的交互能力和灵活性,同时保持了完全的可移植性。为了加快动态查询评估,我们的调试器在可移植的Java实现使用的组合,程序插装,加载时代码生成,查询优化,和增量重新评估。本文讨论了动态调试,并演示了基于查询的调试器应用程序调试Java煤气罐小程序以及SPECjvm 98套件应用程序。
2000-11-16 cs.PL cs.SE
Sindarin: A Versatile Scripting API for the Pharo Debugger
调试是软件维护中最重要和最耗时的活动之一,然而主流的调试器并不能很好地适应多种调试场景。这导致了新技术的研究,涵盖了复杂错误的特定家庭。值得注意的是,最近的研究建议为开发人员提供脚本DSL,基于插件和可塑造的调试器。然而,这些解决方案是针对特定用例定制的,或者对于一次性使用场景来说成本太高。在本文中,我们认为,在主流调试器中公开调试脚本接口有助于解决许多具有挑战性的调试方案。为此,我们提出了Sindarin,一个脚本API,简化了开发人员在调试会话期间追求的不同策略的表达和自动化。Sindarin提供了一个类似GDB的API,增加了AST字节码源代码映射和以对象为中心的功能。为了证明Sindarin的多功能性,我们从文献中重现了几个先进的断点和非平凡的调试机制。
2019-09-09 cs.PL cs.SE
Sliced Slices: Separating Data and Control Influences
后向切片在程序理解、调试和程序分析的扩展中得到了广泛的应用。对于大型程序,常规向后切片的大小约为程序大小的25%。这可能太大而没有用处。我们的调查表明,在一般情况下,切片的大小的影响更多的控制流达到切片标准的计算,而不是由管理的值相关的切片标准的计算。我们通过定义数据切片和控制切片来区分两者,这两者都小于通过组合两者可以获得的常规切片。这很有用,因为对于许多应用程序来说,单独的数据或控制片就足够了。我们的实验表明,超过50%的情况下,数据切片小于10%的程序大小。此外,计算数据或控制切片的时间与计算传统切片的时间相当。
2014-07-18 cs.PL 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
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
Edit-Run Behavior in Programming and Debugging
当开发人员编程和调试时,他们不断地编辑和运行代码,这种行为称为编辑-运行周期。虽然诸如实时编程之类的技术旨在支持这种行为,但人们对编辑-运行周期本身的特性知之甚少。为了弥补这一差距,我们分析了11名专业开发人员28小时的编程和调试工作,其中包括3000多个开发活动。我们将活动映射到编辑或运行步骤,构建了581个调试和207个编程编辑-运行循环。我们发现编辑-运行周期很频繁。开发人员在修复缺陷之前平均编辑和运行程序7次,在引入缺陷之前平均编辑和运行程序2次。开发人员在编程时再次运行程序比调试时等待的时间更长,编程的平均周期长度为3分钟,调试为1分钟。大多数周期涉及对单个文件的编辑,之后开发人员运行程序以观察对最终输出的影响。编辑-运行周期包括编辑和运行之外的活动,例如在文件之间导航,咨询资源或与其他IDE功能交互,这要长得多,平均长度为5分钟,而不是1.5分钟。最后,我们讨论了工具的设计建议,以使编辑-运行周期更加流畅。
2021-09-06 cs.HC cs.SE
Practical Program Repair via Bytecode Mutation
软件调试本身是乏味的、耗时的,甚至容易出错。因此,在文献中已经提出了各种自动化调试技术来促进调试过程。自动程序修复(APR)是自动调试的最新进展之一,它可以直接为有缺陷的程序生成补丁,只需最少的人为干预。尽管已经提出了各种先进的APR技术(包括基于搜索或基于语义的技术),但是简单化的基于变异的APR技术,其简单地使用预定义的变异算子(例如,将a>=b改变为a>b)来改变程序以寻找补丁,还没有被彻底研究。在本文中,我们实现了第一个实用的字节码级APR技术,PraPR,并提出了第一个关于修复现实世界错误的广泛研究(例如,defects4J bugs)使用字节码突变。实验结果表明,令人惊讶的是,即使只有基本的传统突变体的PraPR也可以为18个错误生成真正的补丁。此外,使用我们的增强突变器,PraPR能够为43个错误生成真正的补丁,显著优于最先进的APR。它也快了一个数量级,表明基于字节码突变的APR有着光明的未来。
2018-07-10 cs.SE
PracRepair: LLM-Empowered Automated Program Repair Inspired by Human-Like Debugging Practices
Zhejiang University(浙江大学);CSIRO’s Data61(澳大利亚联邦科学与工业研究组织数据61);Jiangxi Normal University(江西师范大学)
提出PracRepair框架,通过构建按需静态-动态上下文、进行问题驱动的故障诊断并迭代细化补丁,利用动态信息提升LLM在程序修复中的效果,在Defects4J和真实世界漏洞上取得最优性能。
2026-06-17 cs.SE
Multi-Mode Debugging for FRP-Based Embedded Systems
Institute of Science Tokyo(东京科学大学)
针对Emfrp嵌入式应用的抽象鸿沟问题,提出多模式调试框架,结合源代码映射技术,可在Emfrp抽象级与C/C++ I/O级调试,经ESP32案例验证提升调试效率。
2026-09-30 cs.PL cs.SE
Implementation of Live Reverse Debugging in LLDB
测试是一个必不可少的过程,在开发工作中占有很大的份额,通过跟踪、检查和迭代运行会话来不断地寻找攻击性代码。可能每个开发人员都有过这样的情况,他们明确希望时间倒退一段时间,只是为了重试一些操作,而不是重新启动整个会话。好吧,实现这个愿望的精灵被称为反向调试器。它们固有的技术复杂性使它们很难实现,而强加的执行开销使它们不太适合采用。只有少数几个可用的工具,大多数是离线工具,工作在记录的,以前运行的会话上。我们认为现场反向调试器既具有挑战性又有前途,因为它们可以适应现有的正向调试器,我们开发了第一个现场反向调试器LLDB的顶部,详细讨论了我们的实现方法。
2021-08-03 cs.PL cs.SE
Event-based Program Analysis with DeWiz
由于并行和分布式程序的复杂性增加,它们的调试被认为是软件生命周期中最困难和最耗时的部分。因此,工具支持是向用户隐藏复杂性的关键。然而,大多数现有的工具似乎不足,只要考虑中的程序利用超过几个处理器在很长的执行时间。这个问题是由新的调试工具DeWiz(调试向导),其重点在于可扩展性解决。DeWiz有一个模块化的、可扩展的体系结构,并使用事件图模型作为所研究程序的表示。DeWiz提供了一组模块,可以组合这些模块来生成、分析和可视化事件图数据。在这个处理管道中,工具集试图提取有用的信息,这些信息以任意抽象级别呈现给用户。此外,DeWiz是一个框架,可用于轻松实现任意用户定义的模块。
2003-10-06 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
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
Toward Debugging Deep Reinforcement Learning Programs with RLExplorer
Mila(米拉研究所);Polytechnique Montréal(蒙特利尔理工学院);Université de Montréal(蒙特利尔大学)
针对深度强化学习系统故障难调试的问题,提出首个DRL故障诊断工具RLExplorer,通过监控训练轨迹检测特有故障并给出解决方案,实验验证其诊断准确率高、缺陷识别效率远超人工且易集成。
2024-10-06 cs.AI cs.LG cs.SE
LLM as an Execution Estimator: Recovering Missing Dependency for Practical Time-travelling Debugging
针对动态数据依赖确定成本高或不现实的问题,提出RecovSlicing方法,利用LLM基于部分轨迹和代码估计缺失执行恢复依赖,准确率和召回率显著优于基线,集成后可多定位16%的回归错误。
2025-09-03 cs.SE
Differential Performance Debugging with Discriminant Regression Trees
University of Colorado Boulder(科罗拉多大学博尔德分校)
差分性能调试是一种发现性能问题的技术。它适用于程序的性能对于不同类别的输入(出乎意料地)不同的情况。我们的任务是解释不同的输入类之间的程序内部的渐近性能的差异。我们提出了一种基于判别回归树(DRT)学习问题的数据驱动技术,其目标是区分不同类别的输入。我们提出了一种新的算法DRT学习,首先聚类数据到功能集群,捕获不同的渐近性能类,然后调用现成的决策树学习算法来解释这些集群。我们专注于线性功能集群和适应经典的聚类算法(K-均值和光谱)来产生它们。对于K-means算法,我们将聚类质心的概念从一个点推广到一个线性函数。我们通过定义一个新的核函数来捕捉两个数据点之间的线性相似性的概念,从而适应谱聚类。我们评估我们的方法组成的Java程序,我们感兴趣的调试性能的基准测试。我们表明,我们的算法显着优于其他著名的回归树学习算法的运行时间和分类精度。
2017-11-28 cs.AI cs.PF 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
Data-Driven Debugging for Functional Side Channels
University of Colorado Boulder(科罗拉多大学博尔德分校);TU Wien(维也纳技术大学)
通过旁路渠道的信息泄漏是一个普遍存在的问题,即使在安全关键型应用程序中也是如此。当攻击者知道服务器的秘密值在一定时间内保持固定时,功能侧信道就会出现。然后,攻击者可以观察服务器在不同公共输入序列上的执行,每个公共输入都与相同的秘密输入配对。因此,对于每个秘密,攻击者观察到从公共输入到执行时间的函数,例如,她可以比较不同秘密的这些函数。首先,我们介绍了一个概念的功能侧信道的非干扰。我们专注于噪声观测的情况下,在那里我们用例子证明,有一个实际的功能侧通道的程序,将被视为信息泄漏免费或被低估使用标准定义。其次,我们开发了一个框架和技术,用于调试功能侧通道的程序。我们扩展进化模糊技术,以产生利用公共输入的响应时间的功能依赖性的输入。我们适应现有的结果和算法在功能数据分析模型的功能和发现侧通道的存在。我们使用标准决策树学习的功能扩展来查明导致侧信道的代码片段(如果存在)。我们经验性地评估我们的工具FUCHSIA的一系列微基准测试和现实的Java程序的性能。在一组基准测试中,我们表明FUCHSIA在检测侧通道类方面优于最先进的技术。在实际的程序中,我们展示了FUCHSIA在分析Java程序中的函数侧通道时的可扩展性,有数千种方法。此外,我们还展示了FUCHSIA在查找侧通道方面的有用性,包括OpenJDK中的零日漏洞和Jetty中的另一个漏洞,该漏洞已被开发人员修复。
2020-02-08 cs.CR cs.LG 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
Debug-Localize-Repair: A Symbiotic Construction for Heap Manipulations
我们提出Wolverine 2,一个集成的堆操作程序的本地化修复环境。Wolverine 2提供了一个交互式的调试环境:当具体执行一个程序通过一个交互式的外壳上支持常见的调试设施,Wolverine 2显示抽象的程序状态(框和箭头图)作为一个视觉援助的程序员,包装一个新的,证明导向修复算法,快速合成修复补丁和一个新的错误定位算法,以减少搜索空间的修复。Wolverine 2支持生成的补丁的“热修补”,以提供无缝的调试环境,并且还促进了新的调试-本地化-修复可能性:\textit{specification refinement}和\textit{checkpoint-based hopping}。我们评估Wolverine 2上6400错误程序(使用自动故障注入生成)的各种数据结构,如单,双,循环链表,AVL树,红黑树,八字树和二叉搜索树; Wolverine 2可以修复所有的错误实例在现实的程序员等待时间(在大多数情况下小于5秒)。Wolverine 2还可以修复超过80%的247(错误)学生提交的合理尝试。
2022-02-02 cs.PL cs.SE