Automated Program Repair using quantized language models and parameter-efficient fine-tuning

2026-05-05

0

PRE

AI

DOI：10.1016/j.infsof.2026.108181

原文求助

摘要

En 中文

大型语言模型在自动程序修复（APR）中展现了卓越能力，优于传统的基于模板和规则的方法。然而，其巨大的内存和计算需求对在消费级GPU上的本地部署构成了重大挑战，这对于维护数据隐私和避免依赖基于云的API服务至关重要。

Keyword:

Automated Program Repair

Large language models

Quantization

Parameter-efficient fine-tuning

Local deployment