論文の概要: We Must Have Missed This Comment: Detecting and Repairing Stale Function References in Linux Kernel Comments
- arxiv url: http://arxiv.org/abs/2608.03734v1
- Date: Tue, 04 Aug 2026 14:28:48 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-06 07:04:20.727818
- Title: We Must Have Missed This Comment: Detecting and Repairing Stale Function References in Linux Kernel Comments
- Title（参考訳）: Linuxカーネルコメントにおける静的関数参照の検出と修正
- Abstract要約: Linuxカーネルが進化するにつれて、コードコメントは時代遅れになる可能性がある。
このような古い参照を識別し、修復するための3段階のアプローチであるReCiteを提案する。
Linuxカーネル v6.18-rc1 では、ReCite は修正提案によって869の古い参照を検出する。
- 参考スコア（独自算出の注目度）: 16.193823619277357
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As the Linux kernel evolves, code comments may become outdated, as the functions they reference can be refactored or removed independently without corresponding updates to the comments. Such stale function references can mislead maintainers and thus hinder code comprehension. Prior work on detecting code-comment inconsistency mainly focused on addressing semantic misalignment between Javadoc comments and their directly annotated functions, making them inapplicable to this type of externally induced staleness in the Linux kernel. Therefore, we propose ReCite, a three-stage approach to identify and repair such stale references: (1) detecting unresolved function-form symbols -- symbols in comments that appear to reference functions but for which no matching function can be found in the current codebase, (2) tracing the evolution history of each unresolved symbol through the Git history, and (3) generating LLM-based repair suggestions grounded in the evolution history and current code context. On Linux kernel v6.18-rc1, ReCite detects 869 stale references with generated repair suggestions. A manual evaluation on 200 sampled repairs shows that 178 (89.0%) provide useful repair guidance, with 85 (42.5%) directly applicable. Of our 75 submitted patches, 50 have been accepted. We also empirically study all unresolved function-form symbols.
- Abstract（参考訳）: Linuxカーネルが進化するにつれて、コードコメントは時代遅れになる可能性がある。
このような古い関数参照はメンテナを誤解させ、コードの理解を妨げる可能性がある。
コード圧縮の不整合の検出は、主にJavadocコメントと直接アノテーション付き関数間のセマンティックなミスアライメントに対処することに焦点を当てており、Linuxカーネルのこの種の外部からの安定化には適用できない。
そこで本稿では,(1)参照関数のように見えるコメントのシンボルが現在のコードベースにはないこと,(2)Git履歴を通じて各未解決シンボルの進化履歴をトレースすること,(3)進化履歴と現在のコードコンテキストに基づくLCMベースの修復提案を生成すること,の3段階のアプローチであるReCiteを提案する。
Linuxカーネル v6.18-rc1 では、ReCite は修正提案によって869の古い参照を検出する。
200件の補修を手作業で評価した結果、178件 (89.0%) が有用な補修指導を提供し、85件 (42.5%) が直接適用された。
75件のパッチのうち50件が承認されました。
また、すべての未解決関数形式記号を経験的に研究する。
関連論文リスト
- TyPatch: Transforming Patches into Typestate Rules for Kernel Bug Detection [9.241492644741198]
我々はTyPatchを紹介し、パッチ固有の欠陥セマンティクスをアナライザの実装から分離する。
Linux v6.16では、TyPatchは559の異なるバグを発見し、そのうち121はカーネル開発者によって確認されている。
論文 参考訳（メタデータ） (2026-09-12T05:34:12Z) - AuditCoder: Responsibility-Preserving Task Graphs for Auditable Code Generation and Bounded Repair [2.2743778085578437]
AuditCoderは、プログラムと監査可能な構成トレースを共同出力として扱う。
安定で局所的なテスト可能な境界を持つタスクの場合、グラフは分解構造だけでなく、検証と修復のための永続的なインデックスとしても機能する。
論文 参考訳（メタデータ） (2026-07-31T15:29:14Z) - RAG-Reflect: Agentic Retrieval-Augmented Generation with Reflections for Comment-Driven Code Maintenance on Stack Overflow [0.5607590231264274]
本稿では,エージェントAIの原則がRAG-Reflectを提示することにより,ソフトウェアメンテナンスタスクに革命をもたらすことを示す。
RAG-Reflectは、タスク固有のトレーニングなしで有効なコメント編集予測のための微調整レベルのパフォーマンスを実現するモジュラーフレームワークである。
我々は、公開SOUPベンチマークでRAG-Reflectを評価し、精度が0.81、リコールが0.74、F1が0.78である。
論文 参考訳（メタデータ） (2026-04-24T04:49:58Z) - Beyond Crash-to-Patch: Patch Evolution for Linux Kernel Repair [2.267311896805228]
Linuxカーネルの修正は、受け入れ前にメーリングリストの反復的なリビジョンが行われ、レビュアーからのフィードバックが正確さ、ハンドリング、APIコンプライアンスを形作る。
6946 syzbot-linked bug-fix cyclesを再構築し,カーネルパッチの進化に関する大規模な研究を行った。
我々は、検索ベースのメモリと微調整された診断アドバイザを統合する修復フレームワークであるPatchAdvisorを開発し、コードエージェントをレビュアー対応パッチへ誘導する。
論文 参考訳（メタデータ） (2026-04-04T20:23:32Z) - Outrunning LLM Cutoffs: A Live Kernel Crash Resolution Benchmark for All [57.23434868678603]
Live-kBenchは、新たに発見されたカーネルバグのエージェントをスクラップし、評価するセルフ進化ベンチマークの評価フレームワークである。
kEnvは、カーネルのコンパイル、実行、フィードバックのためのエージェントに依存しないクラッシュ解決環境である。
kEnvを用いて3つの最先端エージェントをベンチマークし、最初の試行で74%のクラッシュを解決したことを示す。
論文 参考訳（メタデータ） (2026-02-02T19:06:15Z) - Measuring the effectiveness of code review comments in GitHub repositories: A machine learning approach [0.969054772470341]
本稿では,意味的意味によるコードレビューテキストの分類における機械学習技術の作業効率に関する実証的研究について述べる。
既存の年にGitHubの3つのオープンソースプロジェクトが生成した13557のコードレビューコメントを手作業でラベル付けしました。
コードレビューの感情極性(あるいは感情指向)を認識するために、私たちは7つの機械学習アルゴリズムを使用して、それらの結果を比較して、より良いものを見つけます。
論文 参考訳（メタデータ） (2025-08-22T03:00:48Z) - CrashFixer: A crash resolution agent for the Linux kernel [58.152358195983155]
この作業は、システムレベルのLinuxカーネルバグのベンチマークと、Linuxカーネルで実験を実行するプラットフォームを共有するkGymの上に構築されている。
CrashFixerはLinuxカーネルのバグに適応する最初のLCMベースのソフトウェア修復エージェントである。
論文 参考訳（メタデータ） (2025-04-29T04:18:51Z) - ReF Decompile: Relabeling and Function Call Enhanced Decompile [50.86228893636785]
逆コンパイルの目標は、コンパイルされた低レベルコード(アセンブリコードなど)を高レベルプログラミング言語に変換することである。
このタスクは、脆弱性識別、マルウェア分析、レガシーソフトウェアマイグレーションなど、さまざまなリバースエンジニアリングアプリケーションをサポートする。
論文 参考訳（メタデータ） (2025-02-17T12:38:57Z) - Understanding Code Understandability Improvements in Code Reviews [79.16476505761582]
GitHub上のJavaオープンソースプロジェクトからの2,401のコードレビューコメントを分析した。
改善提案の83.9%が承認され、統合され、1%未満が後に復活した。
論文 参考訳（メタデータ） (2024-10-29T12:21:23Z) - Investigating the Transferability of Code Repair for Low-Resource Programming Languages [57.62712191540067]
大規模言語モデル(LLM)は、コード生成タスクにおいて顕著なパフォーマンスを示している。
近年の作業は、連鎖推論や蒸留といった現代的な技術を統合することで、コード修復のプロセスを強化している。
高低資源言語と低低資源言語の両方でコード修復を蒸留する利点について検討する。
論文 参考訳（メタデータ） (2024-06-21T05:05:39Z) - DocChecker: Bootstrapping Code Large Language Model for Detecting and
Resolving Code-Comment Inconsistencies [13.804337643709717]
DocCheckerは、コードとそれに伴うコメントの違いを検出し、修正するツールである。
コードとコメントの不一致を識別する能力があり、合成されたコメントを生成することもできる。
Inconsistency Code-Comment Detectionタスクでは72.3%の精度で、最先端の新たな結果が得られる。
論文 参考訳（メタデータ） (2023-06-10T05:29:09Z) - Deep Just-In-Time Inconsistency Detection Between Comments and Source
Code [51.00904399653609]
本稿では,コード本体の変更によりコメントが矛盾するかどうかを検出することを目的とする。
私たちは、コメントとコードの変更を関連付けるディープラーニングアプローチを開発しています。
より包括的な自動コメント更新システムを構築するために,コメント更新モデルと組み合わせて提案手法の有用性を示す。
論文 参考訳（メタデータ） (2020-10-04T16:49:28Z)
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。