論文の概要: MultiFixer: A Coordinator-Proposer Based Multi-Agent Framework For Fixing Multi-Hunk Bugs

• arxiv url: http://arxiv.org/abs/2607.26591v1
• Date: Wed, 29 Jul 2026 08:13:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.578587
• Title: MultiFixer: A Coordinator-Proposer Based Multi-Agent Framework For Fixing Multi-Hunk Bugs
• Title（参考訳）: MultiFixer:マルチハンクバグを修正するためのコーディネータベースのマルチエージェントフレームワーク
• Authors: Haichuan Hu, Chunrong Fang, Ye Shang, Jiawei Liu, Weifeng Sun, Guoqing Xie, Chenxing Zhong, Quanjun Zhang,
• Abstract要約: MultiFixerは、新しいコーディネータ-プロポーサベースのマルチエージェントフレームワークである。 Defects4Jと3つの脆弱性ベンチマークから835のバグに対してMultiFixerを評価する。
• 参考スコア（独自算出の注目度）: 18.01768265568016
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Automated Program Repair (APR) has benefited greatly from Large Language Models (LLMs), but existing LLM-based APR methods still struggle with multi-hunk bugs that require coordinated changes across multiple locations. These bugs demand repository-level context understanding, repair-order scheduling, and effective hunk-level patch generation and selection. To address these challenges, we propose MultiFixer, a novel Coordinator-Proposer based multi-agent framework for multi-hunk repair. MultiFixer performs tool-augmented bug analysis, constructs fine-grained repair context, iteratively generates patches through a Coordinator-Proposer architecture, and applies two-stage patch refinement for syntactic and semantic correctness. We evaluate MultiFixer on 835 bugs from Defects4J and three vulnerability benchmarks. On Defects4J, MultiFixer fixes 326 bugs, including 62 multi-method and 27 multi-file bugs, and outperforms prior APR baselines in the reported comparisons with the same base model. Moreover, MultiFixer also fixes 46 multi-hunk bugs among 95 unique fixes. When combined with Claude-3.5-Sonnet, MultiFixer repairs 420 bugs, establishing a new state of the art on Defects4J. On VUL4J, MultiFixer repairs 24 real-world vulnerabilities, including 5 multi-hunk cases. On the multi-hunk subsets of SEC-bench and PatchEval, MultiFixer fixes 11 and 19 vulnerabilities, respectively, outperforming all compared baselines under GPT-3.5. These results demonstrate the effectiveness of MultiFixer for multi-hunk repair.
• Abstract（参考訳）: APR(Automated Program repair)は、LLM(Large Language Models)の恩恵を受けているが、既存のLLMベースのAPRメソッドは、複数の箇所で調整された変更を必要とするマルチハンクなバグに苦慮している。 これらのバグはリポジトリレベルのコンテキスト理解、修正順序スケジューリング、効果的なハンクレベルのパッチ生成と選択を必要とする。 これらの課題に対処するために,新しいコーディネータ-プロポーサベースのマルチエージェントフレームワークであるMultiFixerを提案する。 MultiFixerはツール拡張バグ解析を行い、きめ細かい修復コンテキストを構築し、Coordinator-Proposerアーキテクチャを通じてパッチを反復的に生成し、2段階のパッチ修正を構文的および意味的正当性に適用する。 Defects4Jと3つの脆弱性ベンチマークから835のバグに対してMultiFixerを評価する。 Defects4Jでは、MultiFixerが62のマルチメソッドと27のマルチファイルバグを含む326のバグを修正し、報告された同じベースモデルとの比較において、以前のAPRベースラインを上回っている。 さらに、MultiFixerは95のユニークな修正の中で46のマルチハンクバグを修正している。 Claude-3.5-Sonnetと組み合わせることで、MultiFixerは420のバグを修復する。 VUL4Jでは、MultiFixerは5つのマルチハンクケースを含む24の現実世界の脆弱性を修復する。 SEC-benchとPatchEvalのマルチハンクサブセットでは、MultiFixerがそれぞれ11と19の脆弱性を修正し、GPT-3.5で比較されたベースラインを上回っている。 これらの結果はマルチハンク修復におけるMultiFixerの有効性を示す。

関連論文リスト

• Beyond Fail-to-Pass: Iterative Hardening of Co-Generated Bug Reproduction Tests and Fixes [55.114939648705395]
  大規模言語モデル(LLM)は、現実のバグに対して、プログラムの自動修正をますます実用的にしている。 バグ再現テスト(BRT)は、バグレポートを実行可能なバグ固有の信号に変換することで、このギャップを埋めるのに役立つ。 本稿では,ループ内収束基準としてLax信号を用いるコジェネレーションフレームワークであるCoHardenを提案する。
  論文  参考訳（メタデータ） (2026-07-22T07:30:07Z)
• AgentDebugX: An Open-Source Toolkit for Failure Observability, Attribution, and Recovery in LLM Agents [83.37969790806069]
  LLMエージェントのエラーは、エラーが表面化するステップが原因ではないことが多いため、デバッグが難しい。 Agent DebuggerXはオープンソースのフレームワークで、デバッグをDe Detect, Attribute, Recover, Rerunのクローズドループとして整理する。 コアとなるDeep Debuggerは、グローバルな軌跡理解を通じてマルチターン根本原因診断を行う。
  論文  参考訳（メタデータ） (2026-07-21T06:21:13Z)
• One Rewrite to Fix Them All? Type-Aware Repair Allocation for Text-to-Image Prompt Optimization [59.164665622252016]
  テキスト・トゥ・イメージ(T2I)ジェネレータは、間違ったカウント、スワップされた属性、あいまいな関係、不可解なテキストを生成し、そのプロンプトに忠実に従わないことが多い。 Prompt最適化は、ユーザプロンプトを書き換えて、ジェネレータの再トレーニングを必要としないことで、このような障害を修復する。 失敗する各命題は、結果のローカル制約が1つの実行可能なプロンプトにコンパイルされる前に、タイプ条件の修復演算子にルーティングされる。
  論文  参考訳（メタデータ） (2026-07-21T05:31:43Z)
• Multi-Perspective Agentic Program Repair via Code Property Graphs and Temporal Execution Graphs [16.200330031305473]
  我々は、静的および動的エビデンスを表すエージェントAPRフレームワークであるCT-Repairを、クエリ可能なコードプロパティグラフ(CPG)と時間実行グラフ(TEG)として提示する。 3つの有限状態機械誘導エージェントは、静的、動的、ハイブリッドの観点から各バグを分析し、個別に修復戦略を作成する。 戦略誘導型生成手順は、これらの戦略を候補パッチとしてインスタンス化し、検証フィードバックを使用して最も有望な戦略を洗練する。
  論文  参考訳（メタデータ） (2026-07-14T10:33:29Z)
• Anchored Self-Play for Code Repair [68.0728003844994]
  コード修復は言語モデル(LM)の重要な機能である 本稿では,1つのモデルを強化学習で訓練し,バグを生成して修正する__generator--fixer self-play__を提案する。 BugSourceBenchでは、セルフプレイは難しいが非現実的なバグへと向かっている。 本稿では,参照バグの生成と混合のためのコード埋め込み型類似性報酬をフィクスチャトレーニングに付加することにより,小さな参照セットでセルフプレイをアンロックするAnchored Self-Play (ASP)を提案する。
  論文  参考訳（メタデータ） (2026-07-03T17:51:52Z)
• QiMeng-PRepair: Precise Code Repair via Edit-Aware Reward Optimization [50.722636027998]
  大規模言語モデル (LLM) はプログラム修復性能が高いが、しばしば過剰な編集に悩まされる。 オーバー編集を軽減し,修復精度を向上させるフレームワークであるPRepairを提案する。
  論文  参考訳（メタデータ） (2026-04-07T14:56:38Z)
• Repair Ingredients Are All You Need: Improving Large Language Model-Based Program Repair via Repair Ingredients Search [41.50068103527948]
  ReinFixは、バグ修正の推論と解決フェーズを通じて、修復材料を検索するフレームワークである。 ソリューションフェーズでは、ReinFixは、同様のバグパターンで過去のバグ修正から外部の要素を検索する。 2つの人気のあるベンチマークによる評価は、SOTAベースラインに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2025-06-29T06:02:11Z)
• MultiMend: Multilingual Program Repair with Context Augmentation and Multi-Hunk Patch Generation [2.7036595757881323]
  MultiMendは学習ベースのAPRアプローチで、複数のプログラミング言語の修復性能を改善する。 ソースコード行を埋め込み、検索拡張生成を適用して、パッチ生成中に関連する行でバギーコンテキストを拡大する。 4つのプログラミング言語を持つ4つのベンチマークでMultiMendを評価し、最先端の手法と比較した。
  論文  参考訳（メタデータ） (2025-01-27T13:37:43Z)
• ThinkRepair: Self-Directed Automated Program Repair [11.598008952093487]
  プロンプトエンジニアリングによって指示された大規模言語モデル(LLM)は、バグ修正を含む多くのタスクに対処する強力な能力に多くの注目を集めている。 本稿では,自己指向型LLMベースの自動プログラム修復であるThinkRepairについて,収集フェーズと固定フェーズの2つの主要なフェーズを提案する。 ThinkRepairと12SOTA APRを比較した2つの広く研究されているデータセット(Defects4JとQuixBugs)の評価は、バグ修正におけるThinkRepairの優先度を示している。
  論文  参考訳（メタデータ） (2024-07-30T15:17:07Z)
• MCRepair: Multi-Chunk Program Repair via Patch Optimization with Buggy Block [0.0]
  本稿では,マルチコード修復(MCRepair)と呼ばれる新しいAPR手法を提案する。 Defects4Jを使った実験で、MCRepairは、21のマルチチャンクバグを含む65のバグを修復した。さらに、8のマルチチャンクバグを含む18のユニークなバグを修正し、ベースラインよりも40%から250パーセントパフォーマンスを改善した。
  論文  参考訳（メタデータ） (2023-10-12T09:21:40Z)
• RAP-Gen: Retrieval-Augmented Patch Generation with CodeT5 for Automatic Program Repair [75.40584530380589]
  新たな検索型パッチ生成フレームワーク(RAP-Gen)を提案する。 RAP-Gen 以前のバグ修正ペアのリストから取得した関連する修正パターンを明示的に活用する。 RAP-GenをJavaScriptのTFixベンチマークとJavaのCode RefinementとDefects4Jベンチマークの2つのプログラミング言語で評価する。
  論文  参考訳（メタデータ） (2023-09-12T08:52:56Z)

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。