論文の概要: Leveraging Mutation Analysis for LLM-based Repair of Quantum Programs

• arxiv url: http://arxiv.org/abs/2601.12273v1
• Date: Sun, 18 Jan 2026 06:07:42 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:22.5442
• Title: Leveraging Mutation Analysis for LLM-based Repair of Quantum Programs
• Title（参考訳）: 量子プログラムのLCMによる修復における突然変異解析の活用
• Authors: Chihiro Yoshida, Yuta Ishimoto, Olivier Nourry, Masanari Kondo, Makoto Matsushita, Yasutaka Kamei, Yoshiki Higo,
• Abstract要約: 大規模言語モデル(LLM)がコード修復を生成できるフレームワークを構築するとともに,適用された修復の自然言語による説明を行う。 突然変異解析は,LLMに基づく量子プログラムのAPRに有用な文脈情報を提供できることを示す。
• 参考スコア（独自算出の注目度）: 0.3371432223361199
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In recent years, Automated Program Repair (APR) techniques specifically designed for quantum programs have been proposed. However, existing approaches often suffer from low repair success rates or poor understandability of the generated patches. In this study, we construct a framework in which a large language model (LLM) generates code repairs along with a natural language explanation of the applied repairs. To investigate how the contextual information included in prompts influences APR performance for quantum programs, we design four prompt configurations with different combinations of static information, dynamic information, and mutation analysis results. Mutation analysis evaluates how small changes to specific parts of a program affect its execution results and provides more detailed dynamic information than simple execution outputs such as stack traces. Our experimental results show that mutation analysis can provide valuable contextual information for LLM-based APR of quantum programs, improving repair success rates (achieving 94.4% in our experiment) and in some cases also improving the quality of generated explanations. Our findings point toward new directions for developing APR techniques for quantum programs that enhance both reliability and explainability.
• Abstract（参考訳）: 近年,量子プログラム用に設計された自動プログラム修復(APR)技術が提案されている。 しかし、既存のアプローチは、しばしば、修正の成功率の低さや、生成されたパッチの理解性の低さに悩まされる。 本研究では,大規模言語モデル(LLM)がコード修復を生成できるフレームワークを構築するとともに,適用された修復の自然言語による説明を行う。 量子プログラムにおける文脈情報がどのようにAPR性能に影響するかを調べるため、静的情報、動的情報、突然変異解析結果の異なる4つのプロンプト構成を設計する。 変異解析は、プログラムの特定の部分への小さな変更が実行結果にどのように影響するかを評価し、スタックトレースのような単純な実行出力よりも詳細な動的情報を提供する。 実験の結果, 突然変異解析は, LLMに基づく量子プログラムのAPRに有用な文脈情報を提供し, 補修成功率を94.4%向上させるとともに, 生成した説明の質も向上することが示された。 本研究は,信頼性と説明可能性の両方を高める量子プログラムのAPR技術開発に向けた新たな方向性を示すものである。

関連論文リスト

• RelRepair: Enhancing Automated Program Repair by Retrieving Relevant Code [11.74568238259256]
  RelRepairは関連するプロジェクト固有のコードを取得し、プログラムの自動修復を強化する。 広く研究されている2つのデータセット、Defects4J V1.2 と ManySStuBs4J について RelRepair の評価を行った。
  論文  参考訳（メタデータ） (2025-09-20T14:07:28Z)
• 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)
• Enhancing LLM-based Quantum Code Generation with Multi-Agent Optimization and Quantum Error Correction [7.577219401804676]
  量子プログラムのためのマルチエージェントコード生成を探求する第一歩を踏み出す。 量子誤り訂正などの量子設計におけるユニークな最適化を同定することにより、新しいマルチエージェントフレームワークを導入する。 我々は,各最適化が生成したコードの精度に与える影響を計測するテストスイートを開発した。
  論文  参考訳（メタデータ） (2025-04-20T10:06:37Z)
• Quantum Program Linting with LLMs: Emerging Results from a Comparative Study [5.062046608347911]
  本研究では,Large Language Models (LLMs) を用いた量子ソフトウェア開発のための新しいリンティング手法の実現可能性について検討する。 我々はLintQ-LLM(LintQ-LLM)を紹介する。LintQはLintQに匹敵する量子固有問題を検出するためのLintQ-LLMである。
  論文  参考訳（メタデータ） (2025-04-07T15:51:31Z)
• Automated Refactoring of Non-Idiomatic Python Code: A Differentiated Replication with LLMs [54.309127753635366]
  本研究は, GPT-4の有効性について検討し, 慣用行動の推奨と示唆について検討した。 この結果から,従来は複雑なコード解析に基づくレコメンデータの実装が求められていた,LCMの課題達成の可能性が浮き彫りになった。
  論文  参考訳（メタデータ） (2025-01-28T15:41:54Z)
• Improving LLM Reasoning through Scaling Inference Computation with Collaborative Verification [52.095460362197336]
  大規模言語モデル(LLM)は一貫性と正確な推論に苦しむ。 LLMは、主に正しいソリューションに基づいて訓練され、エラーを検出して学習する能力を減らす。 本稿では,CoT(Chain-of-Thought)とPoT(Program-of-Thought)を組み合わせた新しい協調手法を提案する。
  論文  参考訳（メタデータ） (2024-10-05T05:21:48Z)
• Peer-aided Repairer: Empowering Large Language Models to Repair Advanced Student Assignments [26.236420215606238]
  我々は,大規模言語モデルを利用したPaRというフレームワークを開発した。 PaRは、ピアソリューション選択、マルチソースプロンプト生成、プログラム修復の3段階で動作する。 Defects4DSと他のよく検証されたTHEPデータセットの評価は、PaRが新しい最先端のパフォーマンスを達成することを明らかにしている。
  論文  参考訳（メタデータ） (2024-04-02T09:12:21Z)
• Information Association for Language Model Updating by Mitigating LM-Logical Discrepancy [68.31760483418901]
  大規模言語モデル(LLM)は、時代遅れの事前学習データのために現在の情報を提供するのに苦労する。 知識編集や連続的な微調整など,従来のLCMの更新方法は,新たな情報の一般化に重大な欠点がある。 これらの欠点の中核となる課題は,言語モデリングの確率と論理的確率の差を特徴とするLM論理的相違である。
  論文  参考訳（メタデータ） (2023-05-29T19:48:37Z)
• A Mechanistic Interpretation of Arithmetic Reasoning in Language Models using Causal Mediation Analysis [128.0532113800092]
  算数問題に対するトランスフォーマーに基づくLMの機械的解釈を提案する。 これにより、算術に関連する情報がLMによってどのように処理されるかについての洞察が得られる。
  論文  参考訳（メタデータ） (2023-05-24T11:43:47Z)

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。