.png){kind=icon}
返回
PATCH: Empowering Large Language Model with Programmer-Intent Guidance and Collaborative-Behavior Simulation for Automatic Bug Fixing
.png){kind=icon}
PRE
AI
DOI：10.1145/3718739.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
修复缺陷在软件开发和维护中具有重要意义。近期研究表明，大型语言模型（LLMs）在自动修复软件缺陷方面取得了显著进展。然而，现有方法的一个明显不足在于忽视了修复缺陷过程中固有的协作特性，将其视为单阶段任务。此外，大多数方法在补丁生成阶段仅将有缺陷的代码片段作为LLMs的输入。为缓解上述局限性，我们提出了一种新颖的分级框架PATCH。具体而言，我们首先将有缺陷的代码片段与相应的依赖上下文和意图信息相结合，以更好地引导LLMs生成正确的候选补丁。此外，借鉴缺陷管理实践，我们将缺陷修复任务分解为四个不同阶段：缺陷报告、缺陷诊断、补丁生成和补丁验证。这些阶段由LLMs交互执行，旨在模拟程序员在解决软件缺陷时的协作行为。通过整合这些集体贡献，PATCH有效提升了LLMs的缺陷修复能力。我们采用强大的对话式LLMs ChatGPT实现了PATCH。在广泛使用的缺陷修复基准BFP上的评估表明，PATCH的性能优于当前最先进的LLMs。
Keyword:
Bug Fixing
Large Language Model
Bug Management
Multi-Agent Collaboration
期刊
A
IF:
6.2
论文数:
1.2K
被引数:
3.4K
机构
引用论文
.png){kind=icon}
Thresholds for Size and Complexity Metrics: A Case Study from the Perspective of Defect Density
PREAI
分享收藏The impact of bug management patterns on bug fixing: A case study of Eclipse projects缺陷管理模式对缺陷修复的影响：Eclipse项目的案例研究
PREAI
分享收藏
分享收藏
查看更多内容