論文の概要: GapForge: Directed Compiler Fuzzing via Coverage-Gap Analysis
- arxiv url: http://arxiv.org/abs/2607.15762v1
- Date: Fri, 17 Jul 2026 08:53:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-20 17:56:52.804677
- Title: GapForge: Directed Compiler Fuzzing via Coverage-Gap Analysis
- Title（参考訳）: GapForge: カバレッジ・ギャップ分析による直接コンパイラファジィ
- Abstract要約: GapForgeは、カバレッジギャップを理由とする、ターゲットテスト生成テクニックである。
大規模で未発見のファイルを好むカバレッジ駆動のスコアリングによって、ファイルを優先順位付けする。
72時間以内に、GCCとLLVMのコアコンパイラモジュールの68.13%と69.11%のカバレッジを達成した。
- 参考スコア（独自算出の注目度）: 8.486963056212963
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern compiler codebases (e.g., GCC and LLVM) are large and complex, making comprehensive coverage across diverse code regions highly challenging. Most existing test generation techniques ignore characteristics of the target code, producing test programs that exercise only a limited subset of it. Consequently, substantial compiler regions remain insufficiently tested, leaving persistent long-tail coverage gaps that survive across releases. Even existing white-box techniques achieve limited coverage on large-scale compilers. To improve compiler coverage, especially for hard-to-reach edge regions, we present GapForge, a targeted LLM-based test generation technique that reasons about coverage gaps. Unlike program-driven techniques that generate diverse inputs without modeling which regions they exercise, and unlike whole-file summarization that yields coarse guidance, GapForge treats coverage gaps as explicit region-level targets in three steps. First, it prioritizes files via coverage-driven scoring that favors large, undercovered files. Second, it pairs each uncovered line span with its enclosing covered context and performs path-difference analysis to infer fine-grained triggering requirements: the program structures and compilation options needed to reach the uncovered region. Third, it synthesizes prompts from these requirements and previously failed prompts, using coverage feedback to guide next-round selection. On GCC 14.3.0 and LLVM 19.1.0, GapForge significantly outperforms eight state-of-the-art techniques. Within 72 hours, it achieves 68.13% and 69.11% coverage on core compiler modules in GCC and LLVM, surpassing the white-box technique WhiteFox by 24,736 and 19,798 additional lines, respectively. Moreover, GapForge discovers 12 real-world compiler failures (5 in GCC, 7 in LLVM), including 8 crashes and 4 miscompilations, with each component contributing to its performance.
- Abstract（参考訳）: 現代のコンパイラのコードベース(GCCやLLVMなど)は巨大で複雑であり、多様なコード領域にわたる包括的なカバレッジを極めて困難にしている。
既存のテスト生成技術のほとんどは、ターゲットコードの特徴を無視し、限られたサブセットのみを動作させるテストプログラムを生成する。
結果として、かなりのコンパイラリージョンはテストが不十分で、リリース全体にわたって存続する長い尾のカバレッジギャップが残っている。
既存のホワイトボックス技術でさえ、大規模コンパイラのカバー範囲は限られている。
本稿では,特に難解なエッジ領域において,コンパイラのカバレッジを改善するために,LLMベースのテスト生成技術であるGapForgeを提案する。
プログラム駆動の手法が、どの領域を運動するかをモデル化せずに多様な入力を生成するのと異なり、粗いガイダンスをもたらす全ファイルの要約とは異なり、GapForgeは3つのステップでカバレッジギャップを明示的な領域レベルのターゲットとして扱う。
まず、大きめで未発見のファイルを優先するカバレッジ駆動のスコアリングによってファイルを優先順位付けする。
第二に、カバーされたコンテキストにまたがる各未発見行をペアにし、未発見領域に到達するために必要なプログラム構造とコンパイルオプションであるきめ細かなトリガー要求を推論するためにパス差分解析を行う。
第3に、これらの要件と以前に失敗したプロンプトからプロンプトを合成し、カバレッジフィードバックを使用して次のラウンド選択をガイドする。
GCC 14.3.0 と LLVM 19.1.0 では、GapForge は8つの最先端技術よりも優れている。
72時間以内に、GCCとLLVMのコアコンパイラモジュールの68.13%と69.11%のカバレッジを達成した。
さらに、GapForgeは現実世界のコンパイラの障害(12件(GCC 5件、LLVM 7件)を発見した。
関連論文リスト
- CLIR: Liveness-Driven and Structure-Aware Fuzzing for the Cranelift Compiler [14.51845239273176]
Craneliftは、Rustの実験的なバックエンドとして最近採用された、モダンなコンパイラバックエンドである。
SSAの有効性を保証するため,構文保存型階層生成戦略を統合した差分テストフレームワークであるCLIRを提案する。
72時間以内に、CLIRはすべてのターゲットアーキテクチャにまたがる24のバグを発見し、21と9が修正された。
論文 参考訳（メタデータ） (2026-06-25T12:48:54Z) - ParityFuzz: Finding Inconsistencies across Solidity Compilers via Fine-Grained Mutation and Differential Analysis [37.31248744457945]
ParityFuzzは、Solidity用のクロスコンパイラ差分テストフレームワークである。
コンパイラと実行環境を分析して、構文や境界指向のルールを含む突然変異ルールを導出する。
複数のコンパイラにまたがってプログラムをコンパイルして実行し、その結果を正規化し、比較して不整合を検出する。
論文 参考訳（メタデータ） (2026-05-09T16:53:45Z) - AcademiClaw: When Students Set Challenges for AI Agents [69.70303995121154]
AcademiClaw(アカデミクロー)は、大学生の実際の学術的切断から直接引き出された80の複雑な長い水平タスクのベンチマークである。
最高のモデルでさえ、55%のパスレートしか達成できないことを示す。
AcademiClawとそのオープンソースデータとコードが、OpenClawコミュニティにとって有用なリソースになることを願っています。
論文 参考訳（メタデータ） (2026-05-04T14:40:42Z) - Discovering 100+ Compiler Defects in 72 Hours via LLM-Driven Semantic Logic Recomposition [15.27741331581011]
プログラム生成に機能を組み合わせたコンパイラファズーであるFeatureFuzzを提案する。
24時間にわたるキャンペーンで、FeatureFuzzは167のユニークなクラッシュを発見し、これは第2位のファザーより2.78倍高い。
72時間のファジィキャンペーンを通じて、FeatureFuzzはGCCとLLVMの113のバグを特定した。
論文 参考訳（メタデータ） (2026-01-18T11:33:45Z) - CLOVER: A Test Case Generation Benchmark with Coverage, Long-Context, and Verification [71.34070740261072]
本稿では,テストケースの生成と完成におけるモデルの能力を評価するためのベンチマークCLOVERを提案する。
ベンチマークはタスク間でのコード実行のためにコンテナ化されています。
論文 参考訳（メタデータ） (2025-02-12T21:42:56Z) - Constrained C-Test Generation via Mixed-Integer Programming [55.28927994487036]
本研究は,単語の最後の部分のみをギャップに変換する,クローズテスト(ギャップ充足運動)の形式であるC-テストを生成する新しい手法を提案する。
局所最適解を実現するために, ギャップサイズやギャップ配置の変化のみを考慮する従来の研究とは対照的に, 混合整数プログラミング(MIP)アプローチを提案する。
当社のコード、モデル、収集したデータは32の英語のC-Testで、それぞれ20のギャップ(3,200の個別のギャップ応答)をオープンソースライセンスで公開しています。
論文 参考訳（メタデータ） (2024-04-12T21:35:21Z) - Holographic Global Convolutional Networks for Long-Range Prediction Tasks in Malware Detection [50.7263393517558]
ホログラフィック還元表現(HRR)の特性を利用したホログラフィックグローバル畳み込みネットワーク(HGConv)を導入する。
他のグローバルな畳み込み法とは異なり、我々の手法は複雑なカーネル計算や人工カーネル設計を必要としない。
提案手法は,Microsoft Malware Classification Challenge, Drebin, EMBERのマルウェアベンチマークで新たなSOTA結果を得た。
論文 参考訳（メタデータ） (2024-03-23T15:49:13Z) - GLC++: Source-Free Universal Domain Adaptation through Global-Local Clustering and Contrastive Affinity Learning [84.54244771470012]
Source-Free Universal Domain Adaptation (SF-UniDA) は、共通カテゴリに属する「既知の」データを正確に分類することを目的としている。
GLC技術は適応的な1対vsの全グローバルクラスタリングアルゴリズムを含む。
GLC++は、オープンセットシナリオにおいて、GLCの新しいカテゴリクラスタリング精度を4.1%向上させる。
論文 参考訳（メタデータ） (2024-03-21T13:57:45Z) - HDCC: A Hyperdimensional Computing compiler for classification on
embedded systems and high-performance computing [58.720142291102135]
この研究は、HDC分類メソッドの高レベルな記述を最適化されたCコードに変換する最初のオープンソースコンパイラである、ネームコンパイラを紹介している。
nameは現代のコンパイラのように設計されており、直感的で記述的な入力言語、中間表現(IR)、再ターゲット可能なバックエンドを備えている。
これらの主張を裏付けるために,HDC文献で最もよく使われているデータセットについて,HDCCを用いて実験を行った。
論文 参考訳（メタデータ） (2023-04-24T19:16:03Z) - Fuzzing Deep Learning Compilers with HirGen [12.068825031724229]
HirGenは、ハイレベルIRの最適化において、コーディングミスを効果的に露呈することを目的とした自動テスト技術である。
HirGenは、TVMで発生した21のバグを正常に検出し、17のバグが確認され、12が修正された。
実験の結果,HirGenは48時間以内にベースラインで検出できない10のクラッシュや不整合を検出することができた。
論文 参考訳（メタデータ） (2022-08-03T16:26:30Z)
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。