論文の概要: A Study on the Impact of Fault localization Granularity for Repository-Scale Code Repair Tasks

• arxiv url: http://arxiv.org/abs/2604.00167v1
• Date: Tue, 31 Mar 2026 19:16:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-02 16:44:31.688224
• Title: A Study on the Impact of Fault localization Granularity for Repository-Scale Code Repair Tasks
• Title（参考訳）: 大規模コード修復作業における断層局所化粒度の影響に関する研究
• Authors: Joseph Townsend, Chandresh Pravin, Kwun Ho Ngan, Matthieu Parizy,
• Abstract要約: リポジトリスケールのシナリオにおいて,障害のローカライゼーションが自動コード修復に与える影響について検討する。 本稿では,エージェントレスフレームワークのローカライズフェーズを変更することで,そのようなテストを実行するフレームワークを提案する。 機能レベルの粒度は,ラインレベルとファイルレベルに対して高い修復率を示す。
• 参考スコア（独自算出の注目度）: 0.1957338076370071
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Automatic program repair can be a challenging task, especially when resolving complex issues at a repository-level, which often involves issue reproduction, fault localization, code repair, testing and validation. Issues of this scale can be commonly found in popular GitHub repositories or datasets that are derived from them. Some repository-level approaches separate localization and repair into distinct phases. Where this is the case, the fault localization approaches vary in terms of the granularity of localization. Where the impact of granularity is explored to some degree for smaller datasets, not all isolate this issue from the separate question of localization accuracy by testing code repair under the assumption of perfect fault localization. To the best of the authors' knowledge, no repository-scale studies have explicitly investigated granularity under this assumption, nor conducted a systematic empirical comparison of granularity levels in isolation. We propose a framework for performing such tests by modifying the localization phase of the Agentless framework to retrieve ground-truth localization data and include this as context in the prompt fed to the repair phase. We show that under this configuration and as a generalization over the SWE-Bench-Mini dataset, function-level granularity yields the highest repair rate against line-level and file-level. However, a deeper dive suggests that the ideal granularity may in fact be task dependent. This study is not intended to improve on the state-of-the-art, nor do we intend for results to be compared against any complete agentic frameworks. Rather, we present a proof of concept for investigating how fault localization may impact automatic code repair in repository-scale scenarios. We present preliminary findings to this end and encourage further research into this relationship between the two phases.
• Abstract（参考訳）: 特に、複雑な問題をリポジトリレベルで解決する場合は、問題再現、障害のローカライゼーション、コード修復、テスト、バリデーションといった問題が発生します。 このスケールの問題は、人気のあるGitHubリポジトリや、それらから派生したデータセットでよく見られる。 リポジトリレベルのアプローチでは、ローカライズとリカバリを別々のフェーズに分けている。 この場合、フォールトローカライゼーションのアプローチは、ローカライゼーションの粒度によって異なる。 より小さなデータセットに対して、粒度の影響がある程度調査される場合、完全な障害局所化の仮定の下でコード修復をテストすることによって、この問題を局所化精度の別な問題から、すべて分離するわけではない。 著者の知識を最大限に活用するために、リポジトリスケールの研究は、この仮定の下で粒度を明示的に調査したり、単独で粒度レベルを体系的に比較したりしていない。 本稿では,Agentlessフレームワークのローカライズフェーズを変更して,地中局部ローカライズデータを検索し,修復フェーズに送信されるプロンプトのコンテキストとして含めることにより,そのようなテストを実行するためのフレームワークを提案する。 この構成の下で、SWE-Bench-Miniデータセット上の一般化として、関数レベルの粒度はラインレベルとファイルレベルに対して最も高い修復率が得られることを示す。 しかし、より深く掘り下げると、理想の粒度は実際にはタスク依存である可能性が示唆される。 本研究は, 最先端技術の改善を意図したものではなく, 完全なエージェントフレームワークとの比較も行なわない。 むしろ、リポジトリスケールのシナリオにおいて、障害局所化が自動コード修復にどのように影響するかを検証するための概念実証を示す。 本研究の目的は, この2つの相の関係について, さらなる研究を奨励することである。

関連論文リスト

• Architecture-Aware Multi-Design Generation for Repository-Level Feature Addition [53.50448142467294]
  RAIMは、リポジトリレベルの機能追加のための、多設計およびアーキテクチャ対応のフレームワークである。 複数の多様な実装設計を生成することで、線形パッチから切り離される。 NoCode-bench Verifiedデータセットの実験では、RAIMが新しい最先端のパフォーマンスを確立することが示されている。
  論文  参考訳（メタデータ） (2026-03-02T12:50:40Z)
• Collaborative Reconstruction and Repair for Multi-class Industrial Anomaly Detection [37.057760207060554]
  コラボレーティブ・リコンストラクション・アンド・リコンストラクション(CRR)は、リコンストラクションを修復に変換する。 我々は,デコーダからの表現が十分なローカル情報を含むことを保証するために,特徴レベルのランダムマスキングを実装した。 我々は,合成異常マスクによって教師されるセグメンテーションネットワークを訓練し,ローカライゼーション性能を向上させる。
  論文  参考訳（メタデータ） (2025-12-12T09:24:23Z)
• From Controlled Scenarios to Real-World: Cross-Domain Degradation Pattern Matching for All-in-One Image Restoration [2.997052569698842]
  All-in-One Image Restoration (AiOIR) は、統一されたパラメータを持つ単一モデルを用いて、複数の劣化パターンによる画像復元を実現することを目的としている。 UDAIRフレームワークは、ソースドメインからターゲットドメインへの学習知識を活用することにより、AiOIRを効果的に実現するために提案されている。 10のオープンソースデータセットの実験結果は、UDAIRがAiOIRタスクのための新しい最先端のパフォーマンスを達成することを示す。
  論文  参考訳（メタデータ） (2025-05-28T12:22:00Z)
• SINDER: Repairing the Singular Defects of DINOv2 [61.98878352956125]
  大規模なデータセットでトレーニングされたビジョントランスフォーマーモデルは、抽出したパッチトークンにアーティファクトを表示することが多い。 本稿では,小さなデータセットのみを用いて構造欠陥を補正するスムーズなスムーズな正規化を提案する。
  論文  参考訳（メタデータ） (2024-07-23T20:34:23Z)
• When Large Language Models Confront Repository-Level Automatic Program Repair: How Well They Done? [13.693311241492827]
  オープンソースリポジトリから124の典型的なリポジトリレベルのバグで構成される新しいベンチマークであるRepoBugsを紹介します。 GPT3.5を用いた予備実験では,RepoBugsの修復率は22.58%に過ぎなかった。 本稿では,リポジトリレベルのコード修復タスクに対して,より正確なコンテキストを提供するために,シンプルで普遍的なリポジトリレベルのコンテキスト抽出手法(RLCE)を提案する。
  論文  参考訳（メタデータ） (2024-03-01T11:07:41Z)
• Decoupled DETR: Spatially Disentangling Localization and Classification for Improved End-to-End Object Detection [48.429555904690595]
  本稿では,タスク認識型問合せ生成モジュールと切り離された特徴学習プロセスを含む空間的に分離されたDETRを紹介する。 提案手法は,従来の研究に比べてMSCOCOデータセットの大幅な改善を実現していることを示す。
  論文  参考訳（メタデータ） (2023-10-24T15:54:11Z)
• Understanding How Consistency Works in Federated Learning via Stage-wise Relaxed Initialization [84.42306265220274]
  フェデレートラーニング(Federated Learning, FL)は、大規模なローカルクライアントを協調してグローバルモデルをトレーニングする分散パラダイムである。 従来の研究は、FLがローカルクライアント間の矛盾した最適性によって引き起こされるクライアント・ドリフトの問題に悩まされていることを暗黙的に研究してきた。 FLにおけるクライアントドリフトの負の影響を緩和し,その物質を探索するために,我々はまず,効率的なFLアルゴリズム textitFedInit を設計する。
  論文  参考訳（メタデータ） (2023-06-09T06:55:15Z)
• A Fault Localization and Debugging Support Framework driven by Bug Tracking Data [0.11915976684257382]
  この論文は、さまざまなソースからのデータを組み合わせることで、フォールトローカリゼーションフレームワークを提供することを目指しています。 これを実現するために,バグ分類スキーマを導入し,ベンチマークを作成し,履歴データに基づく新しいフォールトローカライズ手法を提案する。
  論文  参考訳（メタデータ） (2021-03-03T13:23:13Z)
• Unsupervised Domain Adaptation for Spatio-Temporal Action Localization [69.12982544509427]
  S時間動作の局所化はコンピュータビジョンにおいて重要な問題である。 本稿では、エンドツーエンドの教師なしドメイン適応アルゴリズムを提案する。 空間的特徴と時間的特徴を別々にあるいは共同的に適応した場合に,顕著な性能向上が達成できることを示す。
  論文  参考訳（メタデータ） (2020-10-19T04:25:10Z)
• Scope Head for Accurate Localization in Object Detection [135.9979405835606]
  本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。 我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
  論文  参考訳（メタデータ） (2020-05-11T04:00:09Z)

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。