論文の概要: DynaFix: Iterative Automated Program Repair Driven by Execution-Level Dynamic Information

• arxiv url: http://arxiv.org/abs/2512.24635v1
• Date: Wed, 31 Dec 2025 05:13:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-01 23:27:28.578088
• Title: DynaFix: Iterative Automated Program Repair Driven by Execution-Level Dynamic Information
• Title（参考訳）: DynaFix: 実行レベル動的情報による反復的自動プログラム修復
• Authors: Zhili Huang, Ling Xu, Chao Liu, Weifeng Sun, Xu Zhang, Yan Lei, Meng Yan, Hongyu Zhang,
• Abstract要約: 自動プログラム修復(APR)は、バグギープログラムの正しいパッチを自動的に生成することを目的としている。 大規模言語モデル(LLM)を活用する最近のアプローチは、将来性を示しているが制限に直面している。 本研究では,実行レベルの動的情報駆動型APR手法であるDynaFixを提案する。
• 参考スコア（独自算出の注目度）: 20.300297868395454
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated Program Repair (APR) aims to automatically generate correct patches for buggy programs. Recent approaches leveraging large language models (LLMs) have shown promise but face limitations. Most rely solely on static analysis, ignoring runtime behaviors. Some attempt to incorporate dynamic signals, but these are often restricted to training or fine-tuning, or injected only once into the repair prompt, without iterative use. This fails to fully capture program execution. Current iterative repair frameworks typically rely on coarse-grained feedback, such as pass/fail results or exception types, and do not leverage fine-grained execution-level information effectively. As a result, models struggle to simulate human stepwise debugging, limiting their effectiveness in multi-step reasoning and complex bug repair. To address these challenges, we propose DynaFix, an execution-level dynamic information-driven APR method that iteratively leverages runtime information to refine the repair process. In each repair round, DynaFix captures execution-level dynamic information such as variable states, control-flow paths, and call stacks, transforming them into structured prompts to guide LLMs in generating candidate patches. If a patch fails validation, DynaFix re-executes the modified program to collect new execution information for the next attempt. This iterative loop incrementally improves patches based on updated feedback, similar to the stepwise debugging practices of human developers. We evaluate DynaFix on the Defects4J v1.2 and v2.0 benchmarks. DynaFix repairs 186 single-function bugs, a 10% improvement over state-of-the-art baselines, including 38 bugs previously unrepaired. It achieves correct patches within at most 35 attempts, reducing the patch search space by 70% compared with existing methods, thereby demonstrating both effectiveness and efficiency in repairing complex bugs.
• Abstract（参考訳）: 自動プログラム修復(APR)は、バグギープログラムの正しいパッチを自動的に生成することを目的としている。 大規模言語モデル(LLM)を活用する最近のアプローチは、将来性を示しているが制限に直面している。 ほとんどの場合、静的解析にのみ依存し、実行時の振る舞いを無視します。 ダイナミックシグナルを組み込もうとする試みもあるが、それらはしばしば訓練や微調整に制限されるか、繰り返し使用せずに修理プロンプトに1回だけ注入される。 これはプログラムの実行を完全にキャプチャすることができない。 現在の反復的な修復フレームワークは、一般的にパス/フェイル結果や例外タイプのような粗い粒度のフィードバックに依存しており、きめ細かい実行レベルの情報を効果的に活用していない。 結果として、モデルは人間の段階的なデバッグをシミュレートし、多段階の推論と複雑なバグ修正の有効性を制限するのに苦労する。 このような課題に対処するために,実行レベルの動的情報駆動型APR手法であるDynaFixを提案する。 修復ラウンド毎にDynaFixは、変数状態、制御フローパス、コールスタックなどの実行レベルの動的情報をキャプチャし、それらを構造化プロンプトに変換して、候補パッチの生成にLLMを誘導する。 パッチが検証に失敗した場合、DynaFixは修正されたプログラムを再実行して、次の試行のために新しい実行情報を収集する。 この反復ループは、人間開発者の段階的なデバッグプラクティスと同様、更新されたフィードバックに基づいてパッチを漸進的に改善する。 The Defects4J v1.2 and v2.0 benchmarks on the DynaFix on the Defects4J v1.2 and v2.0 benchmarks。 DynaFixは186の単一機能バグを修復し、最先端のベースラインよりも10%改善した。 少なくとも35回の試行で正しいパッチを達成し、既存の方法に比べて70%のパッチ検索スペースを削減し、複雑なバグの修復における有効性と効率を実証する。

関連論文リスト

• InspectCoder: Dynamic Analysis-Enabled Self Repair through interactive LLM-Debugger Collaboration [71.18377595277018]
  大きな言語モデル(LLM)は、診断が難しい複雑なロジックエラーを伴うバグの多いコードを生成することが多い。 対話型デバッガ制御による動的解析を LLM に委ねる初のエージェントプログラム修復システムである InspectCoder を提案する。
  論文  参考訳（メタデータ） (2025-10-21T06:26:29Z)
• PathFix: Automated Program Repair with Expected Path [17.544454427324712]
  バグのあるコードを修正するパッチを生成するために,PathFixという新しいAPR手法を導入する。 バグのあるプログラムが修正可能であれば、少なくとも1つの期待されたパスが、パッチされたプログラムの障害パスを置き換えることになっている。 実験結果から、PathFixは、特に複雑なプログラム構造を扱う場合、既存のソリューションよりも優れていることが示された。
  論文  参考訳（メタデータ） (2025-10-16T06:21:49Z)
• Repair Ingredients Are All You Need: Improving Large Language Model-Based Program Repair via Repair Ingredients Search [41.50068103527948]
  ReinFixは、バグ修正の推論と解決フェーズを通じて、修復材料を検索するフレームワークである。 ソリューションフェーズでは、ReinFixは、同様のバグパターンで過去のバグ修正から外部の要素を検索する。 2つの人気のあるベンチマークによる評価は、SOTAベースラインに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2025-06-29T06:02:11Z)
• Show Me Why It's Correct: Saving 1/3 of Debugging Time in Program Repair with Interactive Runtime Comparison [18.933377426587015]
  パッチの理解と比較を容易にするために,iFixと呼ばれる対話型アプローチを提案する。 iFixは静的解析を行い、バグギーステートメントに関連するランタイム変数を識別する。 パッチ毎に実行中のランタイム値をキャプチャし、実行時の動作を比較してコントラストすることができる。
  論文  参考訳（メタデータ） (2025-03-01T20:52:49Z)
• ReF Decompile: Relabeling and Function Call Enhanced Decompile [50.86228893636785]
  逆コンパイルの目標は、コンパイルされた低レベルコード(アセンブリコードなど)を高レベルプログラミング言語に変換することである。 このタスクは、脆弱性識別、マルウェア分析、レガシーソフトウェアマイグレーションなど、さまざまなリバースエンジニアリングアプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-02-17T12:38:57Z)
• 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)
• VDebugger: Harnessing Execution Feedback for Debugging Visual Programs [103.61860743476933]
  V Debuggerは、視覚プログラムのローカライズとデバッギングのために、段階的に実行を追跡することで訓練された、批評家とリファインダーのフレームワークである。 Vデバッガは、詳細な実行フィードバックを活用してプログラムエラーを特定し、修正する。 6つのデータセットの評価は、Vデバッガの有効性を示し、ダウンストリームタスクの精度が最大3.2%向上したことを示している。
  論文  参考訳（メタデータ） (2024-06-19T11:09:16Z)
• Boosting Redundancy-based Automated Program Repair by Fine-grained Pattern Mining [18.7107522872479]
  本稿では,効果的なパッチ生成を導くための2段階のパターンマイニングプロセスを含むRepattという新しい修復手法を提案する。 我々は、広く使われているDefects4Jベンチマークの実験を行い、Repattを10の最先端のAPRアプローチと比較した。
  論文  参考訳（メタデータ） (2023-12-26T08:42:32Z)
• 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)

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。