論文の概要: $T^3$: Multi-level Tree-based Automatic Program Repair with Large Language Models

• arxiv url: http://arxiv.org/abs/2506.21211v1
• Date: Thu, 26 Jun 2025 13:04:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-27 19:53:10.087262
• Title: $T^3$: Multi-level Tree-based Automatic Program Repair with Large Language Models
• Title（参考訳）: $T^3$: 大規模言語モデルを用いたマルチレベルツリーベース自動プログラム修復
• Authors: Quanming Liu, Xupeng Bu, Zhichao Yan, Ru Li,
• Abstract要約: 本研究では,APRタスクにおけるいくつかのコモンCoT技術の性能を体系的に評価する。 これは、LLMの強力な推論機能とツリー検索を統合した革新的なフレームワークであるT3$を提案する。
• 参考スコア（独自算出の注目度）: 9.334654320797975
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Automatic Program Repair (APR) is a core technology in software development and maintenance, with aims to enable automated defect repair with minimal human intervention. In recent years, the substantial advancements in Large Language Models (LLMs) and the Chain-of-Thought (CoT) techniques have significantly enhanced the reasoning capabilities of these models. However, due to the complex logic and multi-step reasoning ability needed, the application of CoT techniques in the APR domain remains insufficient. This study systematically evaluates the performance of several common CoT techniques in APR tasks and proposes an innovative framework $T^3$, which integrates the powerful reasoning capabilities of LLMs with tree search, effectively improving the precision of generating candidate repair solutions. Furthermore, $T^3$ provides valuable guidance for optimizing sample selection and repair strategies in APR tasks, establishing a robust framework for achieving efficient automated debugging.
• Abstract（参考訳）: 自動プログラム修復(APR)は、人間の介入を最小限に抑えて自動欠陥修復を可能にすることを目的とした、ソフトウェア開発とメンテナンスにおける中核技術である。 近年,Large Language Models (LLMs) とChain-of-Thought (CoT) 技術の進歩により,これらのモデルの推論能力が大きく向上している。 しかし、複雑な論理と多段階推論能力のため、APR領域におけるCoT技術の適用は依然として不十分である。 本研究では, APRタスクにおけるいくつかの共通CoT手法の性能を体系的に評価し, LLMの強力な推論能力と木探索を統合した革新的なフレームワークである$T^3$を提案する。 さらに、$T^3$は、APRタスクのサンプル選択と修復戦略を最適化し、効率的な自動デバッグを実現するための堅牢なフレームワークを確立するための貴重なガイダンスを提供する。

関連論文リスト

• MAS-ZERO: Designing Multi-Agent Systems with Zero Supervision [76.42361936804313]
  自動MAS設計のための自己進化型推論時間フレームワークMAS-ZEROを紹介する。 MAS-ZEROはメタレベルの設計を採用し、各問題インスタンスに適したMAS構成を反復的に生成し、評価し、洗練する。
  論文  参考訳（メタデータ） (2025-05-21T00:56:09Z)
• Optimizing Token Consumption in LLMs: A Nano Surge Approach for Code Reasoning Efficiency [5.044393644778693]
  Chain of Thought (CoT)推論は、コードの自動修復に欠かせないアプローチとなっている。 CoTはトークン消費を大幅に増加させ、推論効率を低下させ、計算コストを上昇させる。 本稿では,コンテキスト認識,責任調整,コスト感の3つの最適化手法を提案する。
  論文  参考訳（メタデータ） (2025-04-22T15:51:00Z)
• Autoformulation of Mathematical Optimization Models Using LLMs [50.030647274271516]
  本稿では,自然言語問題記述から解法対応最適化モデルを自動生成する,$textitautoformulation$の問題にアプローチする。 オートフォーミュレーションの3つの主要な課題を識別する: $textit(1)$ 巨大で問題に依存した仮説空間、および$textit(2)$ 不確実性の下でこの空間を効率的かつ多様に探索する。 我々は,$textitLarge Language Models$と$textitMonte-Carlo Tree Search$を併用した新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-11-03T20:41:38Z)
• Enhancing Multi-Step Reasoning Abilities of Language Models through Direct Q-Function Optimization [49.362750475706235]
  強化学習(Reinforcement Learning, RL)は、大規模言語モデルを人間の好みと整合させ、複雑なタスクを遂行する能力を向上させる上で重要な役割を担っている。 反応生成過程をマルコフ決定プロセス(MDP)として定式化し,ソフトアクター・クリティック(SAC)フレームワークを用いて,言語モデルによって直接パラメータ化されたQ関数を最適化する,直接Q関数最適化(DQO)を提案する。 GSM8KとMATHという2つの数学問題解決データセットの実験結果から、DQOは従来の手法よりも優れており、言語モデルを整合させるための有望なオフライン強化学習手法として確立されている。
  論文  参考訳（メタデータ） (2024-10-11T23:29:20Z)
• 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)
• 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)
• Machine Learning Insides OptVerse AI Solver: Design Principles and Applications [74.67495900436728]
  本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。 本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。 本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
  論文  参考訳（メタデータ） (2024-01-11T15:02:15Z)

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。