論文の概要: A Comprehensive Study of Native Code Bugs in Python Applications

• arxiv url: http://arxiv.org/abs/2608.29851v1
• Date: Sun, 30 Aug 2026 15:30:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-01 18:31:31.091244
• Title: A Comprehensive Study of Native Code Bugs in Python Applications
• Title（参考訳）: Pythonアプリケーションにおけるネイティブコードバグの総合的研究
• Abstract要約: Pythonアプリケーションは、しばしばCのような低レベルプログラミング言語で記述されたネイティブコードコンポーネントを統合する。 この多言語構成は、パフォーマンス効率の向上や、さまざまなランタイム環境との相互運用性の容易化など、さまざまなメリットをもたらします。 しかし、ネイティブコード(すなわちネイティブコードバグ)のバグもまた、Pythonアプリケーション全体の品質に対する大きな課題となっている。
• 参考スコア（独自算出の注目度）: 24.46519800257897
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The impact of Python applications has been evidenced by their widespread presence in some of the most impactful software domains, such as machine learning frameworks and scientific computing platforms. These applications often integrate native code components written in a lower-level programming language like C. This multilingual construction brings various benefits such as greater performance efficiency and easier interoperability with diverse runtime environments. However, bugs in the native code (i.e., native code bugs), which are usually stealthy, also constitute a major additional challenge to the quality of the Python applications as a whole. Yet despite existing relevant studies, there remains a lack of comprehensive understanding of native code bugs in Python applications. In this paper, we aim to mitigate this knowledge gap through the first in-depth study of such bugs, dissecting their common symptoms, introducing locations, manifestation characteristics, root causes, and fixes. Based on our extensive automated and manual analyses of 216 native code bugs in real-world Python projects on GitHub, we obtained novel findings about and new insights into the occurrence mechanisms and resolution strategies of those bugs.
• Abstract（参考訳）: Pythonアプリケーションの影響は、機械学習フレームワークや科学計算プラットフォームなど、最も影響力のあるソフトウェアドメインに広く存在していることが証明されている。 これらのアプリケーションは、しばしばCのような低レベルプログラミング言語で記述されたネイティブコードコンポーネントを統合する。 しかし、ネイティブコード(つまりネイティブコードバグ)のバグは、通常ステルス性があり、Pythonアプリケーション全体の品質にとって大きな課題となっている。 しかし、既存の関連する研究にもかかわらず、Pythonアプリケーションでネイティブコードバグを包括的に理解していない。 本稿では,このようなバグの詳細な研究を通じて,この知識ギャップを軽減し,それらの共通症状を識別し,位置,発現特性,根本原因,および修正を行うことを目的としている。 GitHub上の現実のPythonプロジェクトで216のネイティブコードバグの大規模な自動および手動分析に基づいて、これらのバグの発生メカニズムと解決戦略に関する新たな知見と新たな洞察を得た。

関連論文リスト

• Large Language Models for Code Generation from Multilingual Prompts: A Curated Benchmark and a Study on Code Quality [45.28284966022665]
  本稿では,GPT-4o mini,DeepSeek,Claudeが生成したソースコードに,プログラミングタスクを記述するために使用する言語がどのように影響するかを検討する。 私たちは、オリジナルの英語のプロンプトを中国語、ヒンディー語、スペイン語、イタリア語に翻訳し、手作業でキュレートします。 テストパスレートによる機能的正当性,確立したコードメトリクスによる構造的品質,静的解析ツールによる検出など,複数の次元を用いて生成されたコードを評価する。
  論文  参考訳（メタデータ） (2026-07-16T10:35:25Z)
• Bugs in the Shadows: Static Detection of Faulty Python Refactorings [44.115219601924856]
  Pythonの動的型システムは、自動コード変換に重大な課題をもたらす。 分析の結果,合計1,152回の試行の結果,4種類の29のバグが判明した。 これらの結果は、自動コード変換の正確性を保証するために、現在のPythonツールの堅牢性を改善する必要性を強調している。
  論文  参考訳（メタデータ） (2025-07-01T18:03:56Z)
• PyResBugs: A Dataset of Residual Python Bugs for Natural Language-Driven Fault Injection [5.383910843560784]
  PyResBugsは、主要なPythonフレームワークからの残留バグのデータセットである。 各バグは、対応するフォールトフリー(固定)バージョンとペアリングされ、マルチレベル自然言語(NL)記述と注釈付けされる。
  論文  参考訳（メタデータ） (2025-05-09T04:39:09Z)
• CRUXEval-X: A Benchmark for Multilingual Code Reasoning, Understanding and Execution [50.1875460416205]
  CRUXEVAL-Xコード推論ベンチマークには19のプログラミング言語が含まれている。 各言語に対して少なくとも600人の被験者で構成され、合計19Kのコンテンツ一貫性テストがある。 Pythonでのみトレーニングされたモデルでさえ、他の言語で34.4%のPass@1を達成することができる。
  論文  参考訳（メタデータ） (2024-08-23T11:43:00Z)
• Towards Understanding the Challenges of Bug Localization in Deep Learning Systems [2.608075651391582]
  我々は、ディープラーニングシステムにおけるバグのローカライズに関する課題をより深く理解するために、大規模な実証的研究を行っている。 まず,ディープラーニングシステムの2,365バグと,従来のソフトウェアによる2,913バグを用いて,既存の4つのテクニックのバグローカライズ性能を判定する。 第2に,ディープラーニングシステムにおけるバグタイプの違いが,バグのローカライゼーションに与える影響を評価する。
  論文  参考訳（メタデータ） (2024-02-01T21:17:42Z)
• An Empirical Study on Bugs Inside PyTorch: A Replication Study [10.848682558737494]
  私たちは、非常に人気のあるディープラーニングフレームワークであるPyTorchライブラリのバグを特徴付けています。 私たちの結果は、PyTorchのバグはディープラーニングの特徴よりも、従来のソフトウェアプロジェクトのバグに近いことを強調しています。
  論文  参考訳（メタデータ） (2023-07-25T19:23:55Z)
• A Static Evaluation of Code Completion by Large Language Models [65.18008807383816]
  単純なプログラミング問題に対するモデル生成コードの機能的正当性を評価するために,実行ベースベンチマークが提案されている。 プログラムを実行せずにエラーを検出するlinterのような静的解析ツールは、コード生成モデルを評価するために十分に研究されていない。 抽象構文木を利用して,Pythonのコード補完における静的エラーを定量化する静的評価フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-05T19:23:34Z)
• An Empirical Study of Fault Localization in Python Programs [4.366130138560774]
  本稿では,実環境におけるPythonプログラムと障害の局所化に関するマルチファミリー大規模実証的研究である。 我々は,本研究の基盤として,Javaにおける障害局所化に関するZau et al.の最近の大規模な実証研究を使用している。 結果は、PythonのJavaに関するいくつかの成果を再現し、Pythonの特異性が障害ローカライゼーションの能力に影響を及ぼすかどうかを明かした。
  論文  参考訳（メタデータ） (2023-05-31T13:21:30Z)
• BigIssue: A Realistic Bug Localization Benchmark [89.8240118116093]
  BigIssueは、現実的なバグローカライゼーションのためのベンチマークである。 実際のJavaバグと合成Javaバグの多様性を備えた一般的なベンチマークを提供する。 われわれは,バグローカライゼーションの最先端技術として,APRの性能向上と,現代の開発サイクルへの適用性の向上を期待している。
  論文  参考訳（メタデータ） (2022-07-21T20:17:53Z)
• Measuring Coding Challenge Competence With APPS [54.22600767666257]
  コード生成のベンチマークであるAPPSを紹介する。 私たちのベンチマークには1万の問題が含まれています。 GPT-Neoのような最近のモデルでは、導入問題のテストケースの約15%をパスできる。
  論文  参考訳（メタデータ） (2021-05-20T17:58:42Z)

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。