Fugu-MT 論文翻訳(概要): Understanding Resolution of Multi-Language Bugs: An Empirical Study on Apache Projects

論文の概要: Understanding Resolution of Multi-Language Bugs: An Empirical Study on Apache Projects

arxiv url: http://arxiv.org/abs/2307.01970v1
Date: Wed, 5 Jul 2023 00:44:00 GMT
ステータス: 処理完了
システム内更新日: 2023-10-23 18:27:29.285344
Title: Understanding Resolution of Multi-Language Bugs: An Empirical Study on Apache Projects
Title（参考訳）: 多言語バグの解決の理解:apacheプロジェクトに関する実証的研究
Authors: Zengyang Li, Wenshuo Wang, Sicheng Wang, Peng Liang, Ran Mo
Abstract要約: マルチプログラミング言語(MPL)バグに関する包括的な調査は行われていない。本研究は,MPLソフトウェアシステムにおけるバグ解決の特性について検討した。バグ解決に複数のPLが関与する原因を6つ発見し,言語間コール機構を5つ同定した。
参考スコア（独自算出の注目度）: 13.159929330584003
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Background: In modern software systems, more and more systems are written in multiple programming languages (PLs). There is no comprehensive investigation on the phenomenon of multi-programming-language (MPL) bugs, which resolution involves source files written in multiple PLs. Aim: This work investigated the characteristics of bug resolution in MPL software systems and explored the reasons why bug resolution involves multiple PLs. Method: We conducted an empirical study on 54 MPL projects selected from 655 Apache OSS projects, of which 66,932 bugs were analyzed. Results: (1) the percentage of MPL bugs (MPLBs) in the selected projects ranges from 0.17% to 42.26%, and the percentage of MPLBs for all projects as a whole is 10.01%; (2) 95.0% and 4.5% of all the MPLBs involve source files written in 2 and 3 PLs, respectively; (3) the change complexity resolution characteristics of MPLBs tend to be higher than those of single-programming-language bugs (SPLBs); (4) the open time for MPLBs is 19.52% to 529.57% significantly longer than SPLBs regarding 9 PL combinations; (5) the reopen rate of bugs involving the PL combination of JavaScript and Python reaches 20.66%; (6) we found 6 causes why the bug resolution involves multiple PLs and identified 5 cross-language calling mechanisms. Conclusion: MPLBs are related to increased development difficulty.
Abstract（参考訳）: 背景: 現代のソフトウェアシステムでは、ますます多くのシステムが複数のプログラミング言語(pls)で書かれています。複数のplsで書かれたソースファイルを含むマルチプログラミング言語(mpl)バグの現象に関する包括的調査は行われていない。 Aim: 本研究は,MPLソフトウェアシステムにおけるバグ解決の特徴を調査し,バグ解決に複数のPLが関与する理由を考察した。方法: 655のApache OSSプロジェクトから選択された54のMPLプロジェクトについて,66,932のバグを解析した。 Results: (1) the percentage of MPL bugs (MPLBs) in the selected projects ranges from 0.17% to 42.26%, and the percentage of MPLBs for all projects as a whole is 10.01%; (2) 95.0% and 4.5% of all the MPLBs involve source files written in 2 and 3 PLs, respectively; (3) the change complexity resolution characteristics of MPLBs tend to be higher than those of single-programming-language bugs (SPLBs); (4) the open time for MPLBs is 19.52% to 529.57% significantly longer than SPLBs regarding 9 PL combinations; (5) the reopen rate of bugs involving the PL combination of JavaScript and Python reaches 20.66%; (6) we found 6 causes why the bug resolution involves multiple PLs and identified 5 cross-language calling mechanisms. 結論:MPLBは開発難度の増加に関連している。

関連論文リスト

Planning-Driven Programming: A Large Language Model Programming Workflow [8.827173113748701]
大規模言語モデル(LLM)は自然言語処理タスクに強い性能を持つ。最近の研究は、コード生成精度を改善する複数のサンプリング手法や、コードを洗練するためのプログラム修復手法を提案する。初期コード生成とその後の改良の両方を改善するために,LLMプログラミングワークフロー(LPW)を提案する。
論文参考訳（メタデータ） (2024-11-21T08:31:06Z)
BLAZE: Cross-Language and Cross-Project Bug Localization via Dynamic Chunking and Hard Example Learning [1.9854146581797698]
BLAZEは動的チャンキングとハードサンプル学習を採用するアプローチである。プロジェクト横断と言語横断のバグローカライゼーションを強化するために、難しいバグケースを使用してGPTベースのモデルを微調整する。 BLAZEは、トップ1の精度で120%、平均平均精度(MAP)で144%、平均相互ランク(MRR)で100%上昇する。
論文参考訳（メタデータ） (2024-07-24T20:44:36Z)
An Exploratory Study on Just-in-Time Multi-Programming-Language Bug Prediction [7.3648815418381135]
本研究の目的は,ジャスト・イン・タイム (JIT) MPLB 予測モデルの構築である。我々は18のApache MPLプロジェクトに基づいて構築したデータセットを用いて、プロジェクト内およびプロジェクト間コンテキストでモデルを評価する。
論文参考訳（メタデータ） (2024-07-15T17:06:18Z)
What's Wrong with Your Code Generated by Large Language Models? An Extensive Study [80.18342600996601]
大規模言語モデル(LLM)は、標準解に比べて短いがより複雑なコードを生成する。 3つのカテゴリと12のサブカテゴリを含む誤ったコードに対するバグの分類を開発し、一般的なバグタイプに対する根本原因を分析する。そこで本研究では,LLMがバグタイプやコンパイラフィードバックに基づいて生成したコードを批判し,修正することのできる,自己批判を導入した新たな学習自由反復手法を提案する。
論文参考訳（メタデータ） (2024-07-08T17:27:17Z)
MAGIS: LLM-Based Multi-Agent Framework for GitHub Issue Resolution [47.850418420195304]
大規模言語モデル(LLM)はコード生成において有望であるが、GitHubの問題を解決する上で困難に直面している。ソフトウェア進化のためにカスタマイズされた4つのエージェントからなる、GitHub Issue Resolution, MAGISのための新しいMulti-Agentフレームワークを提案する。
論文参考訳（メタデータ） (2024-03-26T17:57:57Z)
DebugBench: Evaluating Debugging Capability of Large Language Models [80.73121177868357]
DebugBench - LLM(Large Language Models)のベンチマーク。 C++、Java、Pythonの4つの主要なバグカテゴリと18のマイナータイプをカバーする。ゼロショットシナリオで2つの商用および4つのオープンソースモデルを評価する。
論文参考訳（メタデータ） (2024-01-09T15:46:38Z)
Exploring Multi-Programming-Language Commits and Their Impacts on Software Quality: An Empirical Study on Apache Projects [5.163734292116818]
マルチプログラミング言語コミット(MPLC)には、複数のプログラミング言語(PL)で書かれた修正されたソースファイルが含まれる。この研究は、MPLCとその開発難易度とソフトウェア品質への影響を探求することを目的としている。
論文参考訳（メタデータ） (2023-11-12T09:55:10Z)
Branch-Solve-Merge Improves Large Language Model Evaluation and Generation [136.7876524839751]
大規模言語モデル(LLM)は多面的言語生成や評価タスクに頻繁に使用される。本稿では,これらの課題に対処するための大規模言語モデルプログラムであるブランチ・マージ(BSM)を提案する。 BSMは、人間とLLMの合意を最大26%向上させることにより、各LLMの評価正当性と整合性を向上させる。
論文参考訳（メタデータ） (2023-10-23T17:29:48Z)
Understanding Bugs in Multi-Language Deep Learning Frameworks [12.524231041454044]
ディープラーニングフレームワーク(DLF)は、複数のプログラミング言語(PL)の使用によって引き起こされるバグに悩まされている MPL DLF(MXNet, PyTorch, MXNet)の1497のバグを分析した。 PLの組み合わせ PythonとC/C++は、すべてのDLFで92%以上のMPLバグを修正するのに最も使われている。
論文参考訳（メタデータ） (2023-03-05T15:19:37Z)
Massively Multilingual Shallow Fusion with Large Language Models [62.76735265311028]
複数の言語で浅い融合のための単一多言語言語モデル(LM)を訓練する。 GLaMは、推論中に同様の計算を行う密度の高いLMと比較して、イングランドのロングテールテストのWERを4.4%削減する。多言語浅層融合タスクでは、GLaMは50言語中41言語を改善し、平均相対的なWERの3.85%、最大10%の削減を実現している。
論文参考訳（メタデータ） (2023-02-17T14:46:38Z)
PAL: Program-aided Language Models [112.94785609781503]
自然言語問題を理解するために,プログラム支援言語モデル(PaL)を提案する。 PaLはソリューションステップをPythonインタプリタのようなプログラムランタイムにオフロードする。私たちは12のベンチマークで新しい最先端の結果を設定しました。
論文参考訳（メタデータ） (2022-11-18T18:56:13Z)

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。