論文の概要: Augmenting Diffs With Runtime Information

• arxiv url: http://arxiv.org/abs/2212.11077v2
• Date: Fri, 30 Jun 2023 12:27:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 13:57:57.624796
• Title: Augmenting Diffs With Runtime Information
• Title（参考訳）: 実行時情報によるdiffの強化
• Authors: Khashayar Etemadi, Aman Sharma, Fernanda Madeiral and Martin Monperrus
• Abstract要約: Collector-Sahabは、コード差分をランタイム差分情報で拡張するツールである。 We run Collector-Sahab on 584 code diffs for Defects4J bugs and found it successfully augment the code diff for 95% (555/584)。
• 参考スコア（独自算出の注目度）: 53.22981451758425
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Source code diffs are used on a daily basis as part of code review, inspection, and auditing. To facilitate understanding, they are typically accompanied by explanations that describe the essence of what is changed in the program. As manually crafting high-quality explanations is a cumbersome task, researchers have proposed automatic techniques to generate code diff explanations. Existing explanation generation methods solely focus on static analysis, i.e., they do not take advantage of runtime information to explain code changes. In this paper, we propose Collector-Sahab, a novel tool that augments code diffs with runtime difference information. Collector-Sahab compares the program states of the original (old) and patched (new) versions of a program to find unique variable values. Then, Collector-Sahab adds this novel runtime information to the source code diff as shown, for instance, in code reviewing systems. As an evaluation, we run Collector-Sahab on 584 code diffs for Defects4J bugs and find it successfully augments the code diff for 95% (555/584) of them. We also perform a user study and ask eight participants to score the augmented code diffs generated by Collector-Sahab. Per this user study, we conclude that developers find the idea of adding runtime data to code diffs promising and useful. Overall, our experiments show the effectiveness and usefulness of Collector-Sahab in augmenting code diffs with runtime difference information. Publicly-available repository: https://github.com/ASSERT-KTH/collector-sahab.
• Abstract（参考訳）: ソースコードの差分は、コードレビュー、検査、監査の一部として毎日使用される。 理解を容易にするために、それらは典型的にはプログラムでの変更の本質を記述する説明を伴う。 高品質な説明を手作業で作るのは面倒な作業なので、研究者はコード差分説明を生成する自動テクニックを提案しました。 既存の説明生成手法は静的解析のみに重点を置いており、コード変更を説明するために実行時情報を活用していない。 本稿では,コード差分をランタイム差分情報で拡張する新しいツールであるCollector-Sahabを提案する。 Collector-Sahabは、プログラムの元の(古い)バージョンとパッチされた(新しい)バージョンを比較して、ユニークな変数値を見つける。 collector-sahabは、例えばコードレビューシステムで示されるように、この新しいランタイム情報をソースコードdiffに追加する。 評価として、Defects4Jバグの584のコード差分に対してCollector-Sahabを実行し、95%(555/584)のコード差分をうまく増やすことを発見した。 ユーザスタディも実施し、8人の参加者に、Collector-Sahabが生成した拡張コード差分をスコアする。 このユーザ調査で、開発者はコード差分にランタイムデータを追加するというアイデアが有望で役に立つと結論づけた。 総じて本実験では,実行時の差分情報を用いたコード差分の強化において,コレクターsahabの有効性と有用性を示す。 パブリックリポジトリ:https://github.com/ASSERT-KTH/collector-sahab

関連論文リスト

• Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
  GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。 改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
  論文  参考訳（メタデータ） (2024-10-29T12:21:23Z)
• Toward Interactive Optimization of Source Code Differences: An Empirical Study of Its Performance [1.313675711285772]
  ソースコードの違い(差分)を最適化するためのインタラクティブなアプローチを提案する。 ユーザは、マッチすべきではなく、マッチすべきでない部分や、マッチすべきでない部分に対するフィードバックを提供することができる。 GitHubの23のプロジェクトの結果は、最適でない差分のうち92%が、理想的なケースでは4つ未満のフィードバックアクションで対処可能であることを確認している。
  論文  参考訳（メタデータ） (2024-09-20T15:43:55Z)
• CodeUpdateArena: Benchmarking Knowledge Editing on API Updates [77.81663273436375]
  コードドメインの知識編集のためのベンチマークであるCodeUpdateArenaを提示する。 私たちのベンチマークのインスタンスは、プログラム合成例と組み合わせた合成API関数のアップデートで構成されています。 ベンチマークでは、7つのPythonパッケージから54の関数へ、さまざまなタイプの更新をカバーしています。
  論文  参考訳（メタデータ） (2024-07-08T17:55:04Z)
• SparseCoder: Identifier-Aware Sparse Transformer for File-Level Code Summarization [51.67317895094664]
  本稿では,大規模なソースコードプロジェクトの理解と維持を支援するファイルレベルのコード要約について検討する。 長いコードシーケンスを効果的に処理するための識別子対応スパース変換器であるSparseCoderを提案する。
  論文  参考訳（メタデータ） (2024-01-26T09:23:27Z)
• Gitor: Scalable Code Clone Detection by Building Global Sample Graph [11.041017540277558]
  異なるコードサンプル間の基盤となる接続をキャプチャするGitorを提案する。 Gitorはコードクローンの検出の精度が高く、さまざまなサイズの入力の実行時間に優れています。
  論文  参考訳（メタデータ） (2023-11-15T08:48:50Z)
• DocChecker: Bootstrapping Code Large Language Model for Detecting and Resolving Code-Comment Inconsistencies [13.804337643709717]
  DocCheckerは、コードとそれに伴うコメントの違いを検出し、修正するツールである。 コードとコメントの不一致を識別する能力があり、合成されたコメントを生成することもできる。 Inconsistency Code-Comment Detectionタスクでは72.3%の精度で、最先端の新たな結果が得られる。
  論文  参考訳（メタデータ） (2023-06-10T05:29:09Z)
• CONCORD: Clone-aware Contrastive Learning for Source Code [64.51161487524436]
  セルフ教師付き事前トレーニングは、多くのダウンストリームSEタスクに価値のあるジェネリックコード表現を学ぶための牽引役になった。 汎用的な表現学習のために、開発者が日々どのようにコードをコーディングするかは、要因としても不可欠である、と私たちは主張する。 特に,表現空間に良性クローンを近づける自己教師型コントラスト学習戦略であるCONCORDを提案する。
  論文  参考訳（メタデータ） (2023-06-05T20:39:08Z)
• How is the speed of code review affected by activity, usage and code quality? [0.0]
  本稿では,コードレビューの速度が拡張の文脈におけるコード品質のアクティビティと使用量にどのように影響するかを検討する。 マージする中央値は、さまざまな手動メソッドやAPIを使用して収集される他のいくつかの変数と比較される。
  論文  参考訳（メタデータ） (2023-05-09T21:11:17Z)
• RepoCoder: Repository-Level Code Completion Through Iterative Retrieval and Generation [96.75695811963242]
  RepoCoderはリポジトリレベルのコード補完プロセスを合理化するフレームワークである。 類似性ベースのレトリバーと、事前訓練されたコード言語モデルが組み込まれている。 バニラ検索で拡張されたコード補完アプローチよりも一貫して優れています。
  論文  参考訳（メタデータ） (2023-03-22T13:54:46Z)
• Empirical Analysis on Effectiveness of NLP Methods for Predicting Code Smell [3.2973778921083357]
  コードの臭いは、システムに固有の問題の表面的な指標である。 629パッケージ上に3つのExtreme機械学習マシンカーネルを使用して、8つのコードの臭いを識別します。 以上の結果から,放射基底関数型カーネルは,平均98.52の精度で3つのカーネル法のうち最高の性能を発揮することが示唆された。
  論文  参考訳（メタデータ） (2021-08-08T12:10:20Z)

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。