論文の概要: Extending Delta Debugging Minimization for Spectrum-Based Fault Localization

• arxiv url: http://arxiv.org/abs/2601.04689v1
• Date: Thu, 08 Jan 2026 07:57:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-09 17:01:53.09076
• Title: Extending Delta Debugging Minimization for Spectrum-Based Fault Localization
• Title（参考訳）: スペクトルに基づくフォールトローカライゼーションのためのデルタデバッギング最小化
• Authors: Charaka Geethal Kapugama,
• Abstract要約: DDMIN-LOCは、DDMINプロセス中に生成されたパスとフェールインプットを収集することで制限に対処する。 DDMIN-LOCはバグギープログラムの1つの入力しか必要としないが、文字列入力を受けるプログラムにのみ適用できる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces DDMIN-LOC, a technique that combines Delta Debugging Minimization (DDMIN) with Spectrum-Based Fault Localization (SBFL). It can be applied to programs taking string inputs, even when only a single failure-inducing input is available. DDMIN is an algorithm that systematically explores the minimal failure-inducing input that exposes a bug, given an initial failing input. However, it does not provide information about the faulty statements responsible for the failure. DDMIN-LOC addresses this limitation by collecting the passing and failing inputs generated during the DDMIN process and computing suspiciousness scores for program statements and predicates using SBFL algorithms. These scores are then combined to rank statements according to their likelihood of being faulty. DDMIN-LOC requires only one failing input of the buggy program, although it can be applied only to programs that take string inputs. DDMIN-LOC was evaluated on 136 programs selected from the QuixBugs and Codeflaws benchmarks using the SBFL algorithms Tarantula, Ochiai, GenProg, Jaccard and DStar. Experimental results show that DDMIN-LOC performs best with Jaccard: in most subjects, fewer than 20% executable lines need to be examined to locate the faulty statements. Moreover, in most subjects, faulty statements are ranked within the top 3 positions in all the generated test suites derived from different failing inputs.
• Abstract（参考訳）: 本稿では,Delta Debugging Minimization(DDMIN)とSpectrum-Based Fault Localization(SBFL)を組み合わせたDDMIN-LOCを紹介する。 文字列入力を受けるプログラムには、単一障害誘発入力が利用可能であっても適用できる。 DDMINは、初期エラー入力を前提として、バグを公開する最小限の障害誘発入力を体系的に探索するアルゴリズムである。 しかし、失敗の原因となる欠陥のあるステートメントに関する情報は提供されていない。 DDMIN-LOCはこの制限に対処するため、DDMINプロセスで生成された入力の通過と失敗を収集し、プログラムステートメントに対する不確実性スコアを計算し、SBFLアルゴリズムを用いて述語する。 これらのスコアは、欠陥がある可能性に応じて、ステートメントをランク付けするために結合される。 DDMIN-LOCはバグギープログラムの1つの入力しか必要としないが、文字列入力を受けるプログラムにのみ適用できる。 DDMIN-LOCは、SBFLアルゴリズムのTarantula, Ochiai, GenProg, Jaccard, DStarを用いて、QuixBugsおよびCodeflawsベンチマークから選択した136のプログラムで評価された。 実験結果から, DDMIN-LOC は Jaccard に最適であることが明らかとなった。 さらに、ほとんどの被験者では、失敗する入力から生成されたすべてのテストスイートにおいて、失敗するステートメントがトップ3の位置にランク付けされます。

関連論文リスト

• Model-Based Diagnosis with Multiple Observations: A Unified Approach for C Software and Boolean Circuits [13.450835224477109]
  本稿では,C ソフトウェアと Boolean 回路に複数故障のある新しい障害ローカライズツール CFaults を紹介する。 CFaultsは、複数の観察でモデルベース診断(MBD)を活用し、失敗したすべてのテストケースを統一された満足度(MaxSAT)公式に集約する。 3つのベンチマークセット、TCASとC-Pack-IPAsの2つのCプログラムとBoolean回路の1つであるISCAS85の実験結果から、CFaultsは、他のFBFLアプローチよりもCソフトウェアの障害のローカライズが速いことが示された。
  論文  参考訳（メタデータ） (2025-12-02T16:04:51Z)
• A Mathematics-Guided Approach to Floating-Point Error Detection [9.800281082826567]
  浮動小数点プログラムエラーは、特に軍事的応用のような重要な領域において、深刻な結果をもたらす可能性がある。 そこで本研究では,数学的ガイダンスに基づいて誤りを誘発する入力を検出するMGDEという手法を提案する。 二次収束特性を示すNewton-Raphson法を用いることで,高効率かつ効率的な結果が得られる。
  論文  参考訳（メタデータ） (2025-10-11T07:38:14Z)
• How Many Code and Test Cases Are Enough? Evaluating Test Cases Generation from a Binary-Matrix Perspective [51.30005925128432]
  LLM(Large Language Models)が自動生成するテストケースの評価は、非常に難しい作業です。 既存のベンチマークは高い計算コスト、インフレーションのスコア、稀でクリティカルな欠陥に対する自明なバグに対するバイアスに悩まされている。 本稿では,ベンチマーク構築をバイナリコードテスト行列の最適な診断基準として定式化するフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-10-09T18:29:24Z)
• 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)
• Black-Box Test Code Fault Localization Driven by Large Language Models and Execution Estimation [7.040370156228408]
  システムテストコードの欠陥ローカライゼーションのための,完全に静的なLLM駆動型アプローチを提案する。 私たちのメソッドは、テストの実行トレースを推定するために、単一障害実行ログを使用します。 事故事例の工業的データセットを用いて, 機能, ブロック, ラインレベルの評価を行った。
  論文  参考訳（メタデータ） (2025-06-23T19:04:51Z)
• CFaults: Model-Based Diagnosis for Fault Localization in C Programs with Multiple Test Cases [2.8853600644505266]
  本稿では,複数の障害を持つCプログラムに対して,新しい障害局所化手法を提案する。 CFaultsは、複数の観察でモデルベース診断(MBD)を活用し、失敗したすべてのテストケースを統一されたMaxSAT公式に集約する。 C プログラムのベンチマークセット TCAS と C-Pack-IPAs の実験結果から,CFaults は他の FBFL の手法よりも高速であることがわかった。
  論文  参考訳（メタデータ） (2024-07-12T15:14:49Z)
• Can LLMs Separate Instructions From Data? And What Do We Even Mean By That? [60.50127555651554]
  大規模言語モデル(LLM)は、多くの実用的なアプリケーションにおいて印象的な結果を示すが、基本的な安全性機能は欠如している。 これにより、間接的なプロンプトインジェクションのような操作に脆弱になり、一般に安全クリティカルなタスクには適さない。 モデル出力から計算可能な命令データ分離の形式的尺度と経験的変量を導入する。
  論文  参考訳（メタデータ） (2024-03-11T15:48:56Z)
• Fault-Aware Neural Code Rankers [64.41888054066861]
  サンプルプログラムの正しさを予測できる故障認識型ニューラルネットワークローダを提案する。 我々のフォールト・アウェア・ローダは、様々なコード生成モデルのpass@1精度を大幅に向上させることができる。
  論文  参考訳（メタデータ） (2022-06-04T22:01:05Z)

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。