.png){kind=icon}
返回
RunBugRun: An executable dataset for automated program repair
.png){kind=icon}
PRE
AI
DOI：10.1007/s10664-025-10790-3.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近期，我们注意到自动化程序修复（APR）领域正转向数据驱动技术，特别是深度神经网络。这需要训练数以十万计甚至百万计的非可执行代码片段。我们希望引起更多对神经程序修复（NPR）中常被忽视的代码方面——即其执行的关注。代码执行具有多项显著优势。它允许基于测试的候选修复评估，并能提供有价值的信息以辅助修复。在本工作中，我们呈现了一个包含716,900对小型有/无错误程序的可完全执行数据集，这些程序最初提交至编程竞赛网站，由九种不同的编程语言编写。随数据集，我们提供了编译、安全执行和测试程序的设施，以及细粒度的错误类型标签。为提供参考基准，我们给出了CodeT5、Qwen3-Coder和Devstral基线的基本评估结果。借助此数据集，我们设定了几个目标：希望将神经程序修复提升至超越完全静态代码表示的水平，促进基于执行特征的使用，并通过包含多种不同语言，以平衡当前APR数据集和基准测试领域中Java的主导地位。
Keyword:
Automated program repair
Neural program repair
期刊
IF:
3.6
论文数:
2.0K
被引数:
5.3K
.png){kind=icon}
