論文の概要: OFP-Repair: Repairing Floating-point Errors via Original-Precision Arithmetic

• arxiv url: http://arxiv.org/abs/2510.09938v1
• Date: Sat, 11 Oct 2025 00:31:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.703184
• Title: OFP-Repair: Repairing Floating-point Errors via Original-Precision Arithmetic
• Title（参考訳）: OFP-repair:原精度算術による浮動小数点誤差の修復
• Authors: Youshuai Tan, Zishuo Ding, Jinfu Chen, Weiyi Shang,
• Abstract要約: 浮動小数点プログラムでは、いくつかのエラーは原精度算術を用いて修正できるが、他のエラーは高精度の計算を必要とする。 現在の修理ツールのほとんどは、専門的な専門知識の開発と要求に要する時間を要する高精度の実装に依存している。 ACESOのデータセットでは,4つの指標に対して3,7,3,8桁の改善を実現している。
• 参考スコア（独自算出の注目度）: 9.247324221456818
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Errors in floating-point programs can lead to severe consequences, particularly in critical domains such as military, aerospace, and financial systems, making their repair a crucial research problem. In practice, some errors can be fixed using original-precision arithmetic, while others require high-precision computation. Developers often avoid addressing the latter due to excessive computational resources required. However, they sometimes struggle to distinguish between these two types of errors, and existing repair tools fail to assist in this differentiation. Most current repair tools rely on high-precision implementations, which are time-consuming to develop and demand specialized expertise. Although a few tools do not require high-precision programs, they can only fix a limited subset of errors or produce suboptimal results. To address these challenges, we propose a novel method, named OFP-Repair.On ACESO's dataset, our patches achieve improvements of three, seven, three, and eight orders of magnitude across four accuracy metrics. In real-world cases, our method successfully detects all five original-precision-repairable errors and fixes three, whereas ACESO only repairs one. Notably, these results are based on verified data and do not fully capture the potential of OFP-Repair. To further validate our method, we deploy it on a decade-old open bug report from GNU Scientific Library (GSL), successfully repairing five out of 15 bugs. The developers have expressed interest in our method and are considering integrating our tool into their development workflow. We are currently working on applying our patches to GSL. The results are highly encouraging, demonstrating the practical applicability of our technique.
• Abstract（参考訳）: 浮動小数点計画の誤りは、特に軍事、航空宇宙、金融システムといった重要な領域で深刻な結果をもたらし、修理が重要な研究課題となる。 実際には、一部のエラーは原精度算術を用いて修正できるが、他のエラーは高精度な計算を必要とする。 開発者は過剰な計算リソースを必要とするため、しばしば後者に対処する。 しかし、これらの2つのタイプのエラーを区別するのに苦労する場合があり、既存の修復ツールは、この区別に役立ちません。 現在の修理ツールのほとんどは、専門的な専門知識の開発と要求に要する時間を要する高精度の実装に依存している。 いくつかのツールは高精度なプログラムを必要としないが、限られたエラーのサブセットを修正したり、準最適結果を生成するだけでよい。 これらの課題に対処するため,ACESOのデータセットでは,4つの精度指標で3,7,3,8桁の改善を実現している。 実世界のケースでは、ACESOが1つしか修復していないのに対して、本手法は5つの元の精度回復可能なエラーを全て検出し、3つの修正を行う。 特に、これらの結果は検証されたデータに基づいており、OFP-Repairの可能性を完全には捉えていない。 提案手法をさらに検証するため,GNU Scientific Library (GSL) から10年前のオープンバグレポートを公開し,15バグ中5バグの修復に成功した。 開発者は私たちのメソッドに興味を示しており、ツールを開発ワークフローに統合することを検討している。 現在、GSLにパッチを適用する作業を行っています。 その結果,本手法の有効性を実証し,高い評価を得た。

関連論文リスト

• Specification-Guided Repair of Arithmetic Errors in Dafny Programs using LLMs [79.74676890436174]
  本稿では,障害の局所化と修復のためのオラクルとして形式仕様を用いたDafny用のAPRツールを提案する。 プログラム内の各ステートメントの状態を決定するために、Hoareロジックの使用を含む一連のステップを通じて、障害をローカライズします。 また, GPT-4o miniが74.18%と高い修理成功率を示した。
  論文  参考訳（メタデータ） (2025-07-04T15:36:12Z)
• Empirical Evaluation of Generalizable Automated Program Repair with Large Language Models [4.757323827658957]
  自動プログラム修正は、開発者がソフトウェアをメンテナンスするのを助けるバグ修正を提案する。 近年の研究では、LLMを修復に利用できることが示されている。 オープンモデル (Llama 3.3, Qwen 2.5 Coder, DeepSeek R1 (dist.) など) やクローズドモデル (o3-mini, GPT-4o, Claude 3.7 Sonnet, Gemini 2.0 Flash など) を含む,最新の13モデルの多種多様なセットを評価した。
  論文  参考訳（メタデータ） (2025-06-03T18:15:14Z)
• 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)
• Is Self-Repair a Silver Bullet for Code Generation? [68.02601393906083]
  大規模な言語モデルは、コード生成において顕著な適性を示しているが、それでも複雑なタスクを実行するのに苦労している。 自己修復(Self-repair) — モデルが自身のコードをデバッグし、修復する — は、最近、パフォーマンスを向上する一般的な方法になっている。 我々は,Code Llama, GPT-3.5, GPT-4によるHumanEvalとAPPSの自己修復能力について分析した。
  論文  参考訳（メタデータ） (2023-06-16T15:13:17Z)
• Graph-based, Self-Supervised Program Repair from Diagnostic Feedback [108.48853808418725]
  本稿では,ソースコードの修復や診断フィードバックに関連するシンボルを結合するプログラムフィードバックグラフを提案する。 次に、推論プロセスのモデル化にグラフニューラルネットワークを適用します。 オンラインで利用可能なラベルのないプログラムを活用するプログラム修復のための自己指導型学習パラダイムを提案する。
  論文  参考訳（メタデータ） (2020-05-20T07:24:28Z)

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。