.png){kind=icon}
返回
Software Fault Localization Approach with Coverage Matrix Optimization Boosted by LLM-Based Code Naturalness
.png){kind=icon}
OA
AI
DOI：10.3390/app16094416.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
基于频谱的故障定位（SBFL）是软件故障定位技术的一种典型类型，已被广泛采用以协助开发人员识别有故障的程序元素。然而，传统的SBFL技术仅依赖测试覆盖率统计，忽略了源代码本身的固有特性。为填补这一空白，本研究提出了一种增强的SBFL方法，即基于代码自然度的故障定位（CNFL），该方法在SBFL流程中整合了由大型语言模型（LLM）评估的代码自然度。通过根据自然度分数对程序语句进行加权，CNFL优先考虑偏离典型编码模式的语句，从而优化覆盖率矩阵以实现有效的故障定位。在Defects4J数据集上，针对五种代表性的SBFL公式和五种用于自然度评估的LLM进行了全面实验。结果表明，CNFL显著优于传统的SBFL技术。具体而言，当应用于经典的Jaccard和Ochiai SBFL公式时，其Top-1故障定位命中率分别提升了60.8%和56.8%。此外，CNFL进一步被证实能够持续超越仅依赖LLM的方法以及主要优化覆盖率矩阵的代表性故障定位方法。
Keyword:
spectrum-based fault localization
large language model
code naturalness
coverage matrix optimization
期刊
A
IF:
2.5
论文数:
7.6K
被引数:
4
机构
引用论文
.png){kind=icon}
分享收藏The use of program profiling for software maintenance with applications to the year 2000 problem
OAAI
OAAI分享收藏分享收藏An empirical study on the code naturalness modeling capability for LLMs in automated patch correctness assessment关于LLMs在自动化补丁正确性评估中的代码自然性建模能力的实证研究
PREAI
分享收藏分享收藏
查看更多内容