論文の概要: Neural Change Prediction: Relating Software Changes to Their Effects and Vice Versa
- arxiv url: http://arxiv.org/abs/2606.03378v1
- Date: Tue, 02 Jun 2026 09:23:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 22:00:04.900983
- Title: Neural Change Prediction: Relating Software Changes to Their Effects and Vice Versa
- Title（参考訳）: ニューラルチェンジ予測 - ソフトウェア変更をその効果と副詞に関連付ける
- Authors: Laura Plein, Souhila Zidane, Jordan Samhi, Andreas Zeller,
- Abstract要約: 本稿では,ソフトウェア変更とプログラム動作に対する動的影響の関係を学習し,予測する手法であるニューラルチェンジ予測を提案する。
与えられたプログラムとテスト入力に対して、コードに多数の突然変異を自動で適用し、これらの変更がプログラムの出力をどのように変更するかを観察する。
我々は、CSS構成ファイルの詳細なケーススタディとPythonプログラムの評価を行い、ニューラルチェンジ予測の汎用性と幅広い適用性を実証した。
- 参考スコア（独自算出の注目度）: 5.332052544410819
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Much of software development revolves around understanding the relationship between software changes and their effects. If we could learn and predict those relationships, such predictions could benefit several areas of software engineering. While recent advances in artificial intelligence have shown great promise in software engineering tasks, predicting the semantics of code without executing it remains a big challenge. In this paper, we present Neural Change Prediction, a novel and fundamental technique to learn and predict associations between software changes and their dynamic effects on program behavior. Specifically, for a given program and test inputs, we automatically apply numerous mutations to the code and observe how these changes alter the program's output. From these (changes to software, changes in behavior)-pairs, we create models that: (1) for a desired change in behavior, predict where and how the code should be changed (feature localization, software evolution, and software repair); and (2) for a given code change, predict how this code change affects the output (effect prediction). We have conducted a detailed case study on CSS configuration files and an evaluation on Python programs to demonstrate the generality and wide applicability of Neural Change Prediction. While Neural Change Prediction requires numerous mutations (and thus numerous executions of the program under test), Neural Change Prediction is fully automatic and does not require any prior knowledge of the code or its semantics, making it applicable to any software artifact that can be executed and whose output can be observed.
- Abstract（参考訳）: ソフトウェア開発の多くは、ソフトウェアの変化とその影響との関係を理解することに集中します。
これらの関係を学習し、予測できれば、このような予測は、ソフトウェア工学のいくつかの分野に恩恵をもたらすでしょう。
人工知能の最近の進歩は、ソフトウェアエンジニアリングのタスクにおいて大きな可能性を示しているが、実行せずにコードのセマンティクスを予測することは大きな課題である。
本稿では,ソフトウェア変更とプログラム動作に対する動的影響の関係を学習し,予測する新技術であるニューラルチェンジ予測を提案する。
具体的には、与えられたプログラムとテスト入力に対して、コードに多数の突然変異を自動的に適用し、これらの変更がプログラムの出力をどのように変更するかを観察する。
これらの(ソフトウェアへの変更、振る舞いの変化)ペアから、(1)振る舞いの望ましい変化のために、コードがどこでどのように変更されるべきかを予測(機能的ローカライゼーション、ソフトウェア進化、ソフトウェア修復)し、(2)所定のコード変更に対して、このコード変更がアウトプットにどのように影響するかを予測する(効果予測)モデルを作成します。
我々は、CSS構成ファイルの詳細なケーススタディとPythonプログラムの評価を行い、ニューラルチェンジ予測の汎用性と幅広い適用性を実証した。
ニューラルチェンジ予測には多数の突然変異(つまりテスト中のプログラムの実行)が必要であるが、ニューラルチェンジ予測は完全に自動であり、コードやセマンティクスに関する事前の知識は必要とせず、実行可能で出力を観測できるソフトウェアアーティファクトに適用できる。
関連論文リスト
- From Illusion to Insight: Change-Aware File-Level Software Defect Prediction Using Agentic AI [2.8583947164719348]
ファイルレベルのソフトウェア欠陥予測(SDP)の報告された進歩の多くは、実際には、精度の錯覚に過ぎない。
我々は、SDPを変更対応の予測タスクとして再構成し、連続したプロジェクトバージョン内のファイルのコード変更をモデルが推論する。
複数の ProMISE プロジェクトで行った実験から,従来のモデルではF1の膨らみを達成できた。
論文 参考訳（メタデータ） (2025-12-29T21:32:29Z) - DiSciPLE: Learning Interpretable Programs for Scientific Visual Discovery [61.02102713094486]
優れた意思決定を可能にするため、科学的推論において優れた解釈が重要である。
本稿では,ニューラルネットワークをインターリーブする学習プログラムを用いて,そのような解釈可能な設計モデルを得るための自動手法を提案する。
本稿では,大言語モデル (LLM) の常識と事前知識を活用する進化的アルゴリズムであるDiSciPLEを提案し,視覚データを説明するPythonプログラムを作成する。
論文 参考訳（メタデータ） (2025-02-14T10:26:14Z) - Towards Understanding the Impact of Code Modifications on Software Quality Metrics [1.2277343096128712]
本研究の目的は、コード修正がソフトウェアの品質指標に与える影響を評価し、解釈することである。
基礎となる仮説は、ソフトウェア品質のメトリクスに類似した変更を誘発するコード修正は、異なるクラスタにグループ化できる、というものである。
結果は、コード修正の異なるクラスタを明らかにし、それぞれに簡潔な記述が伴い、ソフトウェアの品質指標に対する全体的な影響を明らかにした。
論文 参考訳（メタデータ） (2024-04-05T08:41:18Z) - Code Revert Prediction with Graph Neural Networks: A Case Study at J.P. Morgan Chase [10.961209762486684]
コードリバース予測は、コード変更がソフトウェア開発で逆転またはロールバックされる可能性を予測または予測することを目的としている。
コード欠陥検出の以前の方法は、独立した機能に依存していたが、コードスクリプト間の関係を無視していた。
本稿では,コードインポートグラフとコード特徴を統合した,コード逆転予測のための系統的研究について述べる。
論文 参考訳（メタデータ） (2024-03-14T15:54:29Z) - ChatDev: Communicative Agents for Software Development [84.90400377131962]
ChatDevはチャットを利用したソフトウェア開発フレームワークで、特別なエージェントがコミュニケーション方法についてガイドされる。
これらのエージェントは、統一された言語ベースのコミュニケーションを通じて、設計、コーディング、テストフェーズに積極的に貢献する。
論文 参考訳（メタデータ） (2023-07-16T02:11:34Z) - Quantifying Process Quality: The Role of Effective Organizational
Learning in Software Evolution [0.0]
現実世界のソフトウェアアプリケーションは、常に進化し続けなければならない。
ソフトウェア品質管理の従来の手法には、ソフトウェアの品質モデルと継続的コード検査ツールが含まれる。
しかし、開発プロセスの品質と結果のソフトウェア製品との間には、強い相関関係と因果関係がある。
論文 参考訳（メタデータ） (2023-05-29T12:57:14Z) - HumanMAC: Masked Motion Completion for Human Motion Prediction [62.279925754717674]
人間の動き予測はコンピュータビジョンとコンピュータグラフィックスの古典的な問題である。
従来の効果はエンコーディング・デコード方式に基づく経験的性能を実現している。
本稿では,新しい視点から新しい枠組みを提案する。
論文 参考訳（メタデータ） (2023-02-07T18:34:59Z) - 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) - Improving Compositionality of Neural Networks by Decoding
Representations to Inputs [83.97012077202882]
我々は、ニューラルネットワークのアクティベーションを制約し、入力に"デコード"するように生成モデルを共同で訓練することで、従来のディープラーニングプログラムの利点を橋渡しする。
本稿では,デオード可能な表現の分布外検出,逆例,校正,公平性への応用を実証する。
論文 参考訳（メタデータ） (2021-06-01T20:07:16Z) - Neural Software Analysis [18.415191504144577]
多くのソフトウェア開発問題は、プログラム分析ツールによって対処できる。
最近の研究は、ニューラルソフトウェア分析(Neural Software Analysis)と呼ばれる開発ツールの代替方法によって、大きな成功を収めています。
鍵となるアイデアは、多数のコード例に基づいてニューラル機械学習モデルをトレーニングすることだ。
論文 参考訳（メタデータ） (2020-11-16T14:32:09Z)
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。