論文の概要: Using Developer Discussions to Guide Fixing Bugs in Software
- arxiv url: http://arxiv.org/abs/2211.06335v1
- Date: Fri, 11 Nov 2022 16:37:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 16:41:45.743982
- Title: Using Developer Discussions to Guide Fixing Bugs in Software
- Title（参考訳）: ソフトウェアのバグ修正ガイドに開発者ディスカッションを使う
- Authors: Sheena Panthaplackel, Milos Gligoric, Junyi Jessy Li, Raymond J.
Mooney
- Abstract要約: 我々は,タスク実行前に利用可能であり,また自然発生しているバグレポートの議論を,開発者による追加情報の必要性を回避して利用することを提案する。
このような議論から派生したさまざまな自然言語コンテキストがバグ修正に役立ち、オラクルのバグ修正コミットに対応するコミットメッセージの使用よりもパフォーマンスの向上につながることを実証する。
- 参考スコア（独自算出の注目度）: 51.00904399653609
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automatically fixing software bugs is a challenging task. While recent work
showed that natural language context is useful in guiding bug-fixing models,
the approach required prompting developers to provide this context, which was
simulated through commit messages written after the bug-fixing code changes
were made. We instead propose using bug report discussions, which are available
before the task is performed and are also naturally occurring, avoiding the
need for any additional information from developers. For this, we augment
standard bug-fixing datasets with bug report discussions. Using these newly
compiled datasets, we demonstrate that various forms of natural language
context derived from such discussions can aid bug-fixing, even leading to
improved performance over using commit messages corresponding to the oracle
bug-fixing commits.
- Abstract（参考訳）: ソフトウェアバグの自動修正は難しい作業です。
最近の研究で、自然言語のコンテキストはバグ修正モデルを導くのに有用であることが示されているが、このアプローチでは開発者がこのコンテキストを提供するよう促す必要があった。
代わりに、タスクの実行前に利用可能であり、また自然に発生するバグレポートの議論を、開発者からの追加情報を必要としないよう提案する。
そのため、標準バグ修正データセットをバグレポートの議論で強化します。
新たにコンパイルされたデータセットを用いて、このような議論から派生したさまざまな自然言語コンテキストがバグ修正に役立ち、さらにはオラクルのバグ修正コミットに対応するコミットメッセージの使用よりもパフォーマンスが向上することを示した。
関連論文リスト
- Toward Rapid Bug Resolution for Android Apps [0.4759142872591625]
本稿では,既存のバグレポートの限界について述べるとともに,それに対応するための潜在的戦略を明らかにする。
私たちのビジョンは、これらの制限の緩和と、提案された新しい研究の方向性の実行が、レポーターと開発者の両方に利益をもたらす、未来を包含しています。
論文 参考訳（メタデータ） (2023-12-23T18:29:06Z) - From Commit Message Generation to History-Aware Commit Message
Completion [49.175498083165884]
コミットメッセージ生成からコミットメッセージ補完に焦点を移すことができれば、結果のコミットメッセージの品質と個人的な性質を大幅に改善できる、と私たちは論じています。
既存のデータセットには履歴データがないため、20のプログラミング言語で107万のコミットを含むCommitChronicleと呼ばれる新しいデータセットを収集、共有しています。
以上の結果から,コミットメッセージ補完は生成よりも優れた結果を示し,一般的にはGPT-3.5-turboはより悪い性能を示すが,長大かつ詳細なメッセージの可能性を示唆している。
論文 参考訳（メタデータ） (2023-08-15T09:10:49Z) - Prompting Is All You Need: Automated Android Bug Replay with Large Language Models [28.69675481931385]
本稿では,バグ報告から迅速なエンジニアリングを通じてバグを自動的に再現する,新しい軽量なアプローチであるAdbGPTを提案する。
AdbGPTは、LLMから人間の知識と論理的推論を引き出すために、少数ショットの学習と連鎖推論を活用する。
この評価は,253.6秒で81.3%のバグレポートを再現するAdbGPTの有効性と有効性を示すものである。
論文 参考訳（メタデータ） (2023-06-03T03:03:52Z) - Python Code Generation by Asking Clarification Questions [57.63906360576212]
本稿では,この課題に対して,より斬新で現実的なセットアップを導入する。
我々は、自然言語記述の過小評価は、明確化を問うことで解決できると仮定する。
我々は、生成した合成明確化質問と回答を含む自然言語記述とコードのペアを含む、CodeClarQAという新しいデータセットを収集し、導入する。
論文 参考訳（メタデータ） (2022-12-19T22:08:36Z) - Explaining Software Bugs Leveraging Code Structures in Neural Machine
Translation [5.079750706023254]
Bugsplainerは、バグ修正コミットの大規模なコーパスから学ぶことによって、ソフトウェアバグの自然言語説明を生成する。
3つのパフォーマンス指標を用いて評価したところ、BugsplainerはGoogleの標準に従って理解しやすく良い説明を生成できることがわかった。
また、Bugsplainerによる説明がベースラインよりも正確で、より正確で、より有用であることが判明した、20人の参加者を対象にした開発者スタディも実施しました。
論文 参考訳（メタデータ） (2022-12-08T22:19:45Z) - BigIssue: A Realistic Bug Localization Benchmark [89.8240118116093]
BigIssueは、現実的なバグローカライゼーションのためのベンチマークである。
実際のJavaバグと合成Javaバグの多様性を備えた一般的なベンチマークを提供する。
われわれは,バグローカライゼーションの最先端技術として,APRの性能向上と,現代の開発サイクルへの適用性の向上を期待している。
論文 参考訳（メタデータ） (2022-07-21T20:17:53Z) - S-DABT: Schedule and Dependency-Aware Bug Triage in Open-Source Bug
Tracking Systems [0.0]
手動のバグ修正のスケジューリングは、時間がかかり、面倒で、エラーを起こしやすい。
そこで我々は,S-DABT(Schedule and Dependency-aware Bug Triage)を提案する。
論文 参考訳（メタデータ） (2022-04-12T17:36:43Z) - Learning to Describe Solutions for Bug Reports Based on Developer
Discussions [43.427873307255425]
本稿では,議論の中で関連する内容を合成することで,ソリューションの簡潔な自然言語記述を生成することを提案する。
そこで本研究では,現在進行中の議論において,ソリューションに関する十分なコンテキストがリアルタイムに現れるかどうかを判断する二次的タスクを提案する。
我々は,バグレポートに関連付けられたリポジトリの変更からノイズを抑える新しい手法を用いて,これらのタスクのためのデータセットを構築した。
論文 参考訳（メタデータ） (2021-10-08T19:39:55Z) - On the Robustness of Language Encoders against Grammatical Errors [66.05648604987479]
我々は、非ネイティブ話者から実際の文法的誤りを収集し、これらの誤りをクリーンテキストデータ上でシミュレートするために敵攻撃を行う。
結果,全ての試験モデルの性能は影響するが,影響の程度は異なることがわかった。
論文 参考訳（メタデータ） (2020-05-12T11:01:44Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。