論文の概要: Practical Program Repair via Preference-based Ensemble Strategy
- arxiv url: http://arxiv.org/abs/2309.08211v1
- Date: Fri, 15 Sep 2023 07:23:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 07:42:07.705409
- Title: Practical Program Repair via Preference-based Ensemble Strategy
- Title（参考訳）: 選好型アンサンブル戦略による実践的プログラム修復
- Authors: Wenkang Zhong, Chuanyi Li, Kui Liu, Tongtong Xu, Tegawend\'e F.
Bissyand\'e, Jidong Ge, Bin Luo, Vincent Ng
- Abstract要約: 本稿では、異なるバグを修復するためのAPRツールのランク付けを行うためのPreference-based Ensemble Program repair framework(P-EPR)を提案する。
P-EPRは、修復パターンを利用した最初の非学習ベースのAPRアンサンブル法である。
実験の結果,P-EPRは柔軟性と有効性の両方において既存の戦略よりも優れていた。
- 参考スコア（独自算出の注目度）: 28.176710503313895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To date, over 40 Automated Program Repair (APR) tools have been designed with
varying bug-fixing strategies, which have been demonstrated to have
complementary performance in terms of being effective for different bug
classes. Intuitively, it should be feasible to improve the overall bug-fixing
performance of APR via assembling existing tools. Unfortunately, simply
invoking all available APR tools for a given bug can result in unacceptable
costs on APR execution as well as on patch validation (via expensive testing).
Therefore, while assembling existing tools is appealing, it requires an
efficient strategy to reconcile the need to fix more bugs and the requirements
for practicality. In light of this problem, we propose a Preference-based
Ensemble Program Repair framework (P-EPR), which seeks to effectively rank APR
tools for repairing different bugs. P-EPR is the first non-learning-based APR
ensemble method that is novel in its exploitation of repair patterns as a major
source of knowledge for ranking APR tools and its reliance on a dynamic update
strategy that enables it to immediately exploit and benefit from newly derived
repair results. Experimental results show that P-EPR outperforms existing
strategies significantly both in flexibility and effectiveness.
- Abstract（参考訳）: 現在までに40以上の自動プログラム修正(APR)ツールが様々なバグ修正戦略で設計されており、異なるバグクラスに有効であることが実証されている。
直感的には、既存のツールを組み立てることで、APRの全体的なバグ修正性能を改善することができるはずです。
残念ながら、あるバグに対して利用可能なすべてのAPRツールを呼び出すだけでは、(高価なテストを通じて)APRの実行だけでなくパッチ検証にも許容できないコストがかかります。
したがって、既存のツールを組み立てることが魅力的である一方で、より多くのバグや実用性の要件を修正する必要がある。
この問題を踏まえて,異なるバグを修復するためのAPRツールを効果的にランク付けするPreference-based Ensemble Program repair framework (P-EPR)を提案する。
P-EPRは、APRツールのランキング付けにおける主要な知識源としての修復パターンの活用と、新しく派生した修復結果の即時活用と恩恵を可能にする動的更新戦略への依存において、最初の非学習ベースのAPRアンサンブル手法である。
実験の結果,P-EPRは柔軟性と有効性の両方において既存の戦略よりも優れていた。
関連論文リスト
- BIPEFT: Budget-Guided Iterative Search for Parameter Efficient Fine-Tuning of Large Pretrained Language Models [63.52035708182815]
自動PEFT(BIPEFT)のための新しいBudget-Guided Iterative Search戦略を提案する。
BIPEFTはバイナリモジュールとランク次元検索空間をアンタングルするために,新たな反復探索方式を採用している。
公開ベンチマークの大規模な実験は、パラメータ予算の低い下流タスクにおいて、BIPEFTの優れた性能を示す。
論文 参考訳（メタデータ） (2024-10-04T18:50:46Z) - The Impact of Program Reduction on Automated Program Repair [0.3277163122167433]
本稿では,現代のAPRツールのスケーラビリティ向上を目的としたプログラム修復手法について述べる。
本研究では,スライシングが修復プロセスの3つの段階,すなわち障害局所化,パッチ生成,パッチ検証に与える影響について検討する。
プログラムの削減は修理品質を劣化させることなくAPRの性能を向上させることができるが、この改善は普遍的ではない。
論文 参考訳（メタデータ） (2024-08-02T09:23:45Z) - Towards Practical and Useful Automated Program Repair for Debugging [4.216808129651161]
PracAPRは統合開発環境(IDE)で動作する対話型修復システムである
PracAPRはテストスイートやプログラムの再実行を必要としない。
論文 参考訳（メタデータ） (2024-07-12T03:19:54Z) - On The Effectiveness of Dynamic Reduction Techniques in Automated Program Repair [1.7767466724342067]
本稿では,大規模バグ修正プログラムを効果的に処理するプログラム修復フレームワークについて述べる。
このフレームワークは、プログラムスライシングの形式でプログラムの削減を利用して、修正中のバグとは無関係にコードの一部を除去する。
広く使用されているDefects4Jデータセットに対する実験結果から,修復品質の劣化を伴わずに,大幅な性能向上が達成できることが判明した。
論文 参考訳（メタデータ） (2024-06-23T21:35:07Z) - Hybrid Automated Program Repair by Combining Large Language Models and Program Analysis [12.7034916462208]
自動プログラム修復(APR)は、人間の開発者のバグ修正プロセスを合理化する可能性から、大きな注目を集めている。
本稿ではGIANTREPAIRと呼ばれる革新的なAPR手法を紹介する。
この知見に基づいて、GIANTREPAIRはまず、LLM生成したパッチからパッチスケルトンを構築して、パッチ空間を閉じ込め、その後、特定のプログラムに適した高品質なパッチを生成する。
論文 参考訳（メタデータ） (2024-06-03T05:05:12Z) - DeCoOp: Robust Prompt Tuning with Out-of-Distribution Detection [52.100335904875614]
そこで我々は,新しいクラス検出器とサブクラス化器を導入し,基本クラスと新クラスの識別性をさらに向上させる,新しいプロンプトチューニング手法であるDecomposed Context Optimization(DeCoOp)を提案する。
11のベンチマークデータセットによる実験結果から、DePTの有効性が検証され、DeCoOpが現在の最先端手法よりも優れており、平均精度が2%向上していることが示された。
論文 参考訳（メタデータ） (2024-06-01T07:46:42Z) - REBEL: Reinforcement Learning via Regressing Relative Rewards [59.68420022466047]
生成モデルの時代における最小限のRLアルゴリズムであるREBELを提案する。
理論的には、自然ポリシーグラディエントのような基本的なRLアルゴリズムはREBELの変種と見なすことができる。
我々はREBELが言語モデリングと画像生成に一貫したアプローチを提供し、PPOやDPOとより強くあるいは類似した性能を実現することを発見した。
論文 参考訳（メタデータ） (2024-04-25T17:20:45Z) - PYRA: Parallel Yielding Re-Activation for Training-Inference Efficient Task Adaptation [61.57833648734164]
本稿では, PYRA(Parallel Yielding Re-Activation)法を提案する。
PYRAは低圧縮率と高圧縮率の両方で競合する全ての手法より優れている。
論文 参考訳（メタデータ） (2024-03-14T09:06:49Z) - Invariant-based Program Repair [1.7767466724342067]
本稿では,プログラム不変量の概念に基づく汎用型自動プログラム修復(APR)フレームワークについて述べる。
本稿では,APRにおける不変量を利用したパフォーマンスバグの修復システムを構築することにより,APRにおける不変量を活用することの有用性を実証する。
論文 参考訳（メタデータ） (2023-12-27T17:46:19Z) - RAP-Gen: Retrieval-Augmented Patch Generation with CodeT5 for Automatic
Program Repair [75.40584530380589]
新たな検索型パッチ生成フレームワーク(RAP-Gen)を提案する。
RAP-Gen 以前のバグ修正ペアのリストから取得した関連する修正パターンを明示的に活用する。
RAP-GenをJavaScriptのTFixベンチマークとJavaのCode RefinementとDefects4Jベンチマークの2つのプログラミング言語で評価する。
論文 参考訳（メタデータ） (2023-09-12T08:52:56Z) - Optimizing Two-way Partial AUC with an End-to-end Framework [154.47590401735323]
ROC曲線のエリア(AUC)は、機械学習にとって重要な指標である。
最近の研究は、TPAUCが既存のPartial AUCメトリクスと本質的に矛盾していることを示している。
本論文では,この新指標を最適化するための最初の試行について述べる。
論文 参考訳（メタデータ） (2022-06-23T12:21:30Z)
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。