論文の概要: ProDebug: An Automated Debugging System for Prolog

• arxiv url: http://arxiv.org/abs/2605.27124v1
• Date: Tue, 26 May 2026 14:57:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-27 17:51:42.281244
• Title: ProDebug: An Automated Debugging System for Prolog
• Title（参考訳）: ProDebug: Prolog用の自動デバッグシステム
• Authors: Ricardo Brancas, Vasco Manquinho, Ruben Martins,
• Abstract要約: Prologは宣言型プログラミング言語としてよく知られている。 多くの学生は、命令型言語で見慣れたデバッグメカニズムが欠けているため、Prologが難しいと感じている。 大規模な授業では、学生にタイムリーでパーソナライズされたフィードバックを提供することの難しさが増す。
• 参考スコア（独自算出の注目度）: 5.6063157789389875
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Prolog is a well-known declarative programming language commonly used in introductory courses on logic and reasoning. However, many students find Prolog challenging because it lacks the familiar debugging mechanisms found in imperative languages. In large classes, this difficulty is exacerbated by the challenge of providing timely and personalized feedback to students. In this work, we introduce ProDebug, the first tool to combine Large Language Models (LLMs) with spectrum-based and mutation-based techniques for automated debugging of Prolog assignments. ProDebug automatically identifies faults and proposes bug repairs for student Git submissions. Faults are detected using three approaches--spectrum-based, mutation-based, and LLM reasoning--while repairs are generated using mutation-based techniques and LLMs. Our evaluation on 1499 buggy student submissions from a bachelor's level programming class demonstrates the potential of automated, LLM-augmented feedback systems to scale support for declarative programming education.
• Abstract（参考訳）: Prologは論理学と推論の入門コースでよく使われる宣言型プログラミング言語である。 しかし、多くの学生は、命令型言語で見慣れたデバッグメカニズムが欠けているため、Prologが難しいと感じている。 大規模な授業では、学生にタイムリーでパーソナライズされたフィードバックを提供することの難しさが増す。 本稿では, Prolog 代入の自動デバッギングのためのスペクトルベースおよび突然変異ベースのテクニックと, LLM(Large Language Models)を併用した最初のツールである ProDebug を紹介する。 ProDebugは自動的に障害を特定し、学生Gitのサブミッションのバグ修正を提案する。 欠陥は、スペクトルベース、突然変異ベース、LSM推論の3つのアプローチを用いて検出される。 学士レベルのプログラミングクラスからの1499人のバギー学生に対する評価は、宣言型プログラミング教育をサポートするためのLLM拡張フィードバックシステムの可能性を示している。

関連論文リスト

• Do AI models help produce verified bug fixes? [62.985237003585674]
  大規模言語モデルは、ソフトウェアバグの修正に使用される。 本稿では,プログラマが大規模言語モデルを用いて,自身のスキルを補完する方法について検討する。 その結果は、プログラムバグに対する保証された修正を提供するAIとLLMの適切な役割への第一歩となる。
  論文  参考訳（メタデータ） (2025-07-21T17:30:16Z)
• NL-Debugging: Exploiting Natural Language as an Intermediate Representation for Code Debugging [84.28260138164391]
  大規模言語モデル(LLM)の最近の進歩は、コード関連タスクを強化するために自然言語推論を活用することに注意を向けている。 本稿では,自然言語を中間表現として用い,コード改善のための新しいフレームワークであるNL-GINGを紹介する。
  論文  参考訳（メタデータ） (2025-05-21T10:38:50Z)
• Self-Steering Language Models [113.96916935955842]
  DisCIPL は "self-steering" 言語モデル (LM) の手法である。 DisCIPLは、Followerモデルの集団によって実行されるタスク固有の推論プログラムを生成する。 我々の研究は、高度に並列化されたモンテカルロ推論戦略の設計空間を開く。
  論文  参考訳（メタデータ） (2025-04-09T17:54:22Z)
• VerilogCoder: Autonomous Verilog Coding Agents with Graph-based Planning and Abstract Syntax Tree (AST)-based Waveform Tracing Tool [4.027984601764008]
  We propose VerilogCoder, a system of multiple Artificial Intelligence (AI) agent for Verilog code generation。 提案手法は、構文的に94.2%、機能的に正当なVerilogコードを生成する。
  論文  参考訳（メタデータ） (2024-08-15T20:06:06Z)
• Decoding Logic Errors: A Comparative Study on Bug Detection by Students and Large Language Models [5.162225137921625]
  大規模言語モデル(LLM)は、最近、様々な計算タスクにおいて驚くべきパフォーマンスを示した。 GPT-3 と GPT-4 の2つの LLM の性能について検討した。
  論文  参考訳（メタデータ） (2023-11-27T17:28:33Z)
• Self-Supervised Log Parsing [59.04636530383049]
  大規模ソフトウェアシステムは、大量の半構造化ログレコードを生成する。 既存のアプローチは、ログ特化や手動ルール抽出に依存している。 本稿では,自己教師付き学習モデルを用いて解析タスクをマスク言語モデリングとして定式化するNuLogを提案する。
  論文  参考訳（メタデータ） (2020-03-17T19:25:25Z)

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。