論文の概要: A Survey on Automated Program Repair Techniques

• arxiv url: http://arxiv.org/abs/2303.18184v3
• Date: Sat, 13 May 2023 14:15:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-24 12:56:27.065044
• Title: A Survey on Automated Program Repair Techniques
• Title（参考訳）: プログラムの自動修復手法に関する調査研究
• Authors: Kai Huang, Zhengzi Xu, Su Yang, Hongyu Sun, Xuejun Li, Zheng Yan, Yuqing Zhang
• Abstract要約: 本稿では,検索ベース,制約ベース,テンプレートベース,学習ベースという4つの異なるAPRパッチ生成方式を紹介する。 本稿では,それぞれのAPRツールをレビュー・比較するための一貫した基準セットを提案し,その利点とデメリットを要約し,APR開発の現状について議論する。
• 参考スコア（独自算出の注目度）: 19.8878105453369
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the rapid development and large-scale popularity of program software, modern society increasingly relies on software systems. However, the problems exposed by software have also come to the fore. Software defect has become an important factor troubling developers. In this context, Automated Program Repair (APR) techniques have emerged, aiming to automatically fix software defect problems and reduce manual debugging work. In particular, benefiting from the advances in deep learning, numerous learning-based APR techniques have emerged in recent years, which also bring new opportunities for APR research. To give researchers a quick overview of APR techniques' complete development and future opportunities, we revisit the evolution of APR techniques and discuss in depth the latest advances in APR research. In this paper, the development of APR techniques is introduced in terms of four different patch generation schemes: search-based, constraint-based, template-based, and learning-based. Moreover, we propose a uniform set of criteria to review and compare each APR tool, summarize the advantages and disadvantages of APR techniques, and discuss the current state of APR development. Furthermore, we introduce the research on the related technical areas of APR that have also provided a strong motivation to advance APR development. Finally, we analyze current challenges and future directions, especially highlighting the critical opportunities that large language models bring to APR research.
• Abstract（参考訳）: プログラムソフトウェアの急速な開発と大規模な普及により、現代社会はますますソフトウェアシステムに依存している。 しかし、ソフトウェアによってもたらされる問題は表面化している。 ソフトウェア欠陥は、開発者を悩ませる重要な要因になっている。 この文脈では、自動プログラム修復(automated program repair, apr)技術が登場し、ソフトウェアの欠陥問題を自動修正し、手動デバッグ作業を減らすことを目的としている。 特に、ディープラーニングの進歩により、近年多くの学習ベースのAPR技術が出現し、APR研究の新たな機会ももたらされている。 研究者は、APR技術の完全な発展と今後の展望を素早く概説するため、APR技術の進化を再考し、APR研究の最新の進歩について深く議論する。 本稿では,検索ベース,制約ベース,テンプレートベース,学習ベースという4つの異なるパッチ生成方式を用いて,APR手法の開発を紹介する。 さらに,各APRツールをレビュー・比較するための一貫した基準セットを提案し,APR技術の利点とデメリットをまとめた上で,APR開発の現状について論じる。 さらに,本研究は,APR開発を進める大きな動機となった,APRの関連技術分野の研究についても紹介する。 最後に,現状の課題と今後の方向性を分析し,特に大規模言語モデルがapr研究にもたらした重要な機会を強調する。

関連論文リスト

• Machine Learning Innovations in CPR: A Comprehensive Survey on Enhanced Resuscitation Techniques [52.71395121577439]
  心肺蘇生(CPR)における機械学習(ML)と人工知能(AI)の変革的役割について検討する。 再現結果を改善する上で、予測モデリング、AI強化デバイス、リアルタイムデータ分析の影響を強調している。 本稿は、この新興分野における現在の応用、課題、今後の方向性に関する包括的概要、分類、および批判的分析を提供する。
  論文  参考訳（メタデータ） (2024-11-03T18:01:50Z)
• Lingma SWE-GPT: An Open Development-Process-Centric Language Model for Automated Software Improvement [62.94719119451089]
  Lingma SWE-GPTシリーズは、現実世界のコード提出活動から学び、シミュレーションする。 Lingma SWE-GPT 72BはGitHubの30.20%の問題を解決する。
  論文  参考訳（メタデータ） (2024-11-01T14:27:16Z)
• Agent-Driven Automatic Software Improvement [55.2480439325792]
  本提案は,Large Language Models (LLMs) を利用したエージェントの展開に着目して,革新的なソリューションの探求を目的とする。 継続的学習と適応を可能にするエージェントの反復的性質は、コード生成における一般的な課題を克服するのに役立ちます。 我々は,これらのシステムにおける反復的なフィードバックを用いて,エージェントの基盤となるLLMをさらに微調整し,自動化されたソフトウェア改善のタスクに整合性を持たせることを目指している。
  論文  参考訳（メタデータ） (2024-06-24T15:45:22Z)
• A Systematic Literature Review on Large Language Models for Automated Program Repair [15.239506022284292]
  研究者が現在の成果、課題、潜在的な機会を理解することは困難である。 この研究は、2020年から2024年までのAPRにおけるLarge Language Modelsの応用を要約する最初の体系的な文献レビューを提供する。
  論文  参考訳（メタデータ） (2024-05-02T16:55:03Z)
• Machine Unlearning: A Survey [56.79152190680552]
  プライバシ、ユーザビリティ、および/または忘れられる権利のために、特定のサンプルに関する情報をマシンアンラーニングと呼ばれるモデルから削除する必要がある特別なニーズが生まれている。 この新興技術は、その革新と実用性により、学者と産業の両方から大きな関心を集めている。 この複雑なトピックを分析したり、さまざまなシナリオで既存の未学習ソリューションの実現可能性を比較したりした研究はない。 この調査は、未学習のテクニックに関する卓越した問題と、新しい研究機会のための実現可能な方向性を強調して締めくくった。
  論文  参考訳（メタデータ） (2023-06-06T10:18:36Z)
• Recentering Validity Considerations through Early-Stage Deliberations Around AI and Policy Design [20.158252022235104]
  増え続ける研究機関は、AIシステム設計の有効性に関する調査を拡大するよう求めている。 現実の環境では、関連する組織および公開ポリシーの設計を考慮せずに、AIツールの有効性に関する質問に完全に対処することができないことが多い。
  論文  参考訳（メタデータ） (2023-03-26T01:50:40Z)
• A Survey of Learning-based Automated Program Repair [12.09968472868107]
  自動プログラム修復(APR)は、ソフトウェアバグを自動修正することを目的としており、ソフトウェア開発とメンテナンスにおいて重要な役割を果たす。 近年のディープラーニング(DL)の進歩により、ニューラルネットワークを活用して大規模なオープンソースコードリポジトリからバグフィックスパターンを学ぶためのAPR技術が増えている。 本稿では,学習型APRコミュニティにおける最先端研究を要約するために,体系的な調査を行う。
  論文  参考訳（メタデータ） (2023-01-09T11:08:15Z)
• Neural Program Repair: Systems, Challenges and Solutions [20.776565589340265]
  自動プログラム修復(APR)は、ソースコードのバグを自動的に修正することを目的としている。 近年,ニューラルプログラム修復(NPR)研究が盛んである。 NPRアプローチは、仕様を必要としないため、適用性に大きな利点があります。
  論文  参考訳（メタデータ） (2022-02-22T12:56:31Z)
• An interdisciplinary conceptual study of Artificial Intelligence (AI) for helping benefit-risk assessment practices: Towards a comprehensive qualification matrix of AI programs and devices (pre-print 2020) [55.41644538483948]
  本稿では,インテリジェンスの概念に対処するさまざまな分野の既存の概念を包括的に分析する。 目的は、AIシステムを評価するための共有概念や相違点を特定することである。
  論文  参考訳（メタデータ） (2021-05-07T12:01:31Z)
• Retrieving and Reading: A Comprehensive Survey on Open-domain Question Answering [62.88322725956294]
  OpenQAの最近の研究動向を概観し、特にニューラルMSC技術を導入したシステムに注目した。 Retriever-Reader' と呼ばれる最新の OpenQA アーキテクチャを導入し、このアーキテクチャに従うさまざまなシステムを分析します。 次に、OpenQAシステムの開発における主要な課題について議論し、一般的に使用されるベンチマークの分析を提供する。
  論文  参考訳（メタデータ） (2021-01-04T04:47:46Z)

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。