論文の概要: User-Centric Deployment of Automated Program Repair at Bloomberg
- arxiv url: http://arxiv.org/abs/2311.10516v1
- Date: Fri, 17 Nov 2023 13:39:48 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-20 14:28:48.890450
- Title: User-Centric Deployment of Automated Program Repair at Bloomberg
- Title(参考訳): Bloombergにおける自動プログラム修復のユーザ中心展開
- Authors: David Williams, James Callan, Serkan Kirbas, Sergey Mechtaev, Justyna
Petke, Thomas Prideaux-Ghee, Federica Sarro
- Abstract要約: 本稿では,ソフトウェア技術者に最適な時間,目標,自動生成パッチを提案する。
私たちはGitHubのSuggested Changesインターフェースを使用して、自動提案をプルリクエストにシームレスに統合しています。
ユーザ調査からB-Assistの有効性は明らかであり,パッチ提案の受け入れ率は74.56%である。
- 参考スコア(独自算出の注目度): 13.994851524965016
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automated program repair (APR) tools have unlocked the potential for the
rapid rectification of codebase issues. However, to encourage wider adoption of
program repair in practice, it is necessary to address the usability concerns
related to generating irrelevant or out-of-context patches. When software
engineers are presented with patches they deem uninteresting or unhelpful, they
are burdened with more "noise" in their workflows and become less likely to
engage with APR tools in future. This paper presents a novel approach to
optimally time, target, and present auto-generated patches to software
engineers. To achieve this, we designed, developed, and deployed a new tool
dubbed B-Assist, which leverages GitHub's Suggested Changes interface to
seamlessly integrate automated suggestions into active pull requests (PRs), as
opposed to creating new, potentially distracting PRs. This strategy ensures
that suggestions are not only timely, but also contextually relevant and
delivered to engineers most familiar with the affected code. Evaluation among
Bloomberg software engineers demonstrated their preference for this approach.
From our user study, B-Assist's efficacy is evident, with the acceptance rate
of patch suggestions being as high as 74.56%; engineers also found the
suggestions valuable, giving usefulness ratings of at least 4 out of 5 in 78.2%
of cases. Further, this paper sheds light on persisting usability challenges in
APR and lays the groundwork for enhancing the user experience in future APR
tools.
- Abstract(参考訳): 自動プログラム修復(APR)ツールがコードベースの問題の迅速な修正の可能性を解き放った。
しかし、実際にプログラムの修復を広く採用するためには、無関係または外部のパッチの生成に関するユーザビリティの懸念に対処する必要がある。
ソフトウェアエンジニアが興味がない、あるいは役に立たないと思われるパッチを提示されると、彼らはワークフローにより多くの"ノイズ"を負い、将来はaprツールと関わりがなくなる。
本稿では,自動生成パッチをソフトウェア技術者に最適な時間,目標,提示するための新しいアプローチを提案する。
これを実現するために、GitHubのSuggested Changesインターフェースを活用して、自動化された提案をアクティブプルリクエスト(PR)にシームレスに統合するB-Assistという新しいツールを設計、開発、デプロイしました。
この戦略は、提案がタイムリーであるだけでなく、文脈的に関連し、影響を受けるコードに最も慣れたエンジニアに届けられることを保証します。
Bloombergのソフトウェアエンジニアによる評価は、このアプローチを好んだ。
我々のユーザー調査から、B-Assistの有効性は明らかであり、パッチ提案の受け入れ率は74.56%である。
さらに,本論文では,APRにおけるユーザビリティの持続的課題に光を当て,今後のAPRツールにおけるユーザエクスペリエンス向上の基盤となるものについて述べる。
関連論文リスト
- AutoCodeRover: Autonomous Program Improvement [8.66280420062806]
プログラムの改善を自律的に達成するために、GitHubの問題を解決する自動化アプローチを提案する。
AutoCodeRoverと呼ばれるアプローチでは、LLMは洗練されたコード検索機能と組み合わせられ、最終的にプログラムの変更やパッチにつながります。
300のGitHubイシューからなるSWE-bench-liteの実験は、GitHubイシューの解決における有効性の向上を示している。
論文 参考訳(メタデータ) (2024-04-08T11:55:09Z) - SERL: A Software Suite for Sample-Efficient Robotic Reinforcement
Learning [85.21378553454672]
筆者らは,報酬の計算と環境のリセットを行う手法とともに,効率的なオフ・ポリティクス・ディープ・RL法を含むライブラリを開発した。
我々は,PCBボードアセンブリ,ケーブルルーティング,オブジェクトの移動に関するポリシを,非常に効率的な学習を実現することができることを発見した。
これらの政策は完全な成功率またはほぼ完全な成功率、摂動下でさえ極端な堅牢性を実現し、突発的な堅牢性回復と修正行動を示す。
論文 参考訳(メタデータ) (2024-01-29T10:01:10Z) - A Novel Approach for Automatic Program Repair using Round-Trip
Translation with Large Language Models [50.86686630756207]
研究によると、ある文の文法的誤りは、それを他の言語に翻訳し、その語を返せば修正できる。
現在の自動プログラム修復(APR)生成モデルは、ソースコードで事前訓練され、修正のために微調整されている。
本稿では,あるプログラミング言語から別のプログラミング言語,あるいは自然言語へのコード変換,そして,その逆といった,微調整ステップをバイパスし,ラウンド・トリップ変換(RTT)を用いる手法を提案する。
論文 参考訳(メタデータ) (2024-01-15T22:36:31Z) - REBEL: A Regularization-Based Solution for Reward Overoptimization in Robotic Reinforcement Learning from Human Feedback [61.54791065013767]
報酬関数とユーザの意図、価値観、社会的規範の相違は、現実世界で破滅的なものになる可能性がある。
人間の嗜好から報酬関数を学習することで、このミスアライメント作業を軽減するための現在の方法。
本稿では,ロボットRLHFフレームワークにおける報酬正規化の新たな概念を提案する。
論文 参考訳(メタデータ) (2023-12-22T04:56:37Z) - Practical Program Repair via Preference-based Ensemble Strategy [28.176710503313895]
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。
論文 参考訳(メタデータ) (2023-09-15T07:23:04Z) - 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) - Using Machine Learning To Identify Software Weaknesses From Software
Requirement Specifications [49.1574468325115]
本研究は、要求仕様からソフトウェア弱点を特定するための効率的な機械学習アルゴリズムを見つけることに焦点を当てる。
ProMISE_exp. Naive Bayes、サポートベクターマシン(SVM)、決定木、ニューラルネットワーク、畳み込みニューラルネットワーク(CNN)アルゴリズムをテストした。
論文 参考訳(メタデータ) (2023-08-10T13:19:10Z) - A LLM Assisted Exploitation of AI-Guardian [57.572998144258705]
IEEE S&P 2023で発表された敵に対する最近の防衛であるAI-Guardianの堅牢性を評価する。
我々は、このモデルを攻撃するためのコードを書かず、代わりに、GPT-4に命令とガイダンスに従って全ての攻撃アルゴリズムを実装するよう促します。
このプロセスは驚くほど効果的で効率的であり、言語モデルでは、この論文の著者が実行したよりも高速に曖昧な命令からコードを生成することもあった。
論文 参考訳(メタデータ) (2023-07-20T17:33:25Z) - A Survey on Automated Program Repair Techniques [19.8878105453369]
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。
論文 参考訳(メタデータ) (2023-03-31T16:28:37Z) - PatchZero: Zero-Shot Automatic Patch Correctness Assessment [13.19425284402493]
コードに大規模言語モデルを適用することにより,パッチの正当性評価を行うツールネームを提案する。
ツールネームは、新しいAPRツールによって生成されたものとセマンティックな類似性を示す既存のAPRツールからラベル付きパッチを優先する。
実験の結果,ツールネームの精度は84.4%,F1スコアは86.5%であった。
論文 参考訳(メタデータ) (2023-03-01T03:12:11Z) - Improving Automated Program Repair with Domain Adaptation [0.0]
自動プログラム修復(APR)は、ソースコードのバグ/欠陥を修正するプロセスとして、自動化ツールによって定義される。
APRツールは最近、最先端のニューラルネットワーク処理(NLP)技術を活用することで、有望な結果を経験している。
論文 参考訳(メタデータ) (2022-12-21T23:52:09Z)
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。