論文の概要: Rethinking SZZ Search Strategies: Lessons from Claude Code

• arxiv url: http://arxiv.org/abs/2610.14462v1
• Date: Sat, 10 Oct 2026 01:40:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 21:28:08.261503
• Title: Rethinking SZZ Search Strategies: Lessons from Claude Code
• Title（参考訳）: SZZの検索戦略を再考する: クロードコードから学ぶ
• Abstract要約: コードトレースに制約のない検索戦略を探索することにより,BIC識別を改善することができるかどうかを検討する。 我々は、以前の研究で高いBIC識別精度を実証したコーディングエージェントであるClaude Codeを使用して、そのような戦略を探索する。 79のJavaケースに対して,70のレポジトリから識別精度と検索動作を評価した。
• 参考スコア（独自算出の注目度）: 0.3540495121809188
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying bug-inducing commits (BICs) is important for studying software bugs and maintaining software, yet the accuracy of existing SZZ methods remains limited. Although various improvements have been proposed, many SZZ methods still rely on code tracing, which searches for BICs by tracing code changed in a bug-fixing commit (BFC) back to earlier commits. However, this approach may miss the actual BIC when the code responsible for introducing a bug differs from the code modified to fix it. To overcome this limitation, we investigate whether BIC identification can be improved by exploring search strategies that are not constrained to start with code tracing. We use Claude Code, a coding agent that has demonstrated high BIC identification accuracy in prior research, to explore such strategies. Rather than prescribing a search process or providing predefined candidate commits, we allow Claude Code to independently investigate a Git repository. We evaluate its identification accuracy and search behavior on 79 Java cases from 70 repositories. In 79.7% of runs, Claude Code reviewed commit histories before inspecting individual code diffs. It used commit messages to select changes for closer inspection. With this approach, Claude Code achieves an F1 score of 0.771, significantly outperforming all ten evaluated SZZ baselines. Our failure analysis also reveals incorrect oracle labels and ambiguities in BIC definitions in the studied evaluation dataset. After reconstructing the evaluation dataset to address these issues, Claude Code achieves an F1 score of 0.938. A key lesson from Claude Code for improving SZZ search strategies is to use semantic information to find relevant commits and then examine their code changes, rather than starting with code tracing.
• Abstract（参考訳）: バグ誘発コミット(BIC)の特定は,ソフトウェアバグの調査やソフトウェアメンテナンスにおいて重要であるが,既存のSZZメソッドの精度は依然として限られている。 様々な改善が提案されているが、多くのSZZメソッドはまだコードトレースに依存しており、バグフィックスコミット(BFC)で変更したコードを以前のコミットに戻してBICを検索する。 しかし、バグを導入した責任のあるコードが修正のために修正されたコードとは異なる場合、このアプローチは実際のBICを見逃す可能性がある。 この制限を克服するために、コードトレースに制約のない検索戦略を探索することにより、BIC識別を改善することができるかどうかを検討する。 我々は、以前の研究で高いBIC識別精度を実証したコーディングエージェントであるClaude Codeを使用して、そのような戦略を探索する。 検索プロセスを規定したり、事前に定義された候補コミットを提供する代わりに、Claude CodeがGitリポジトリを独立して調査できるようにする。 79のJavaケースに対して,70のレポジトリから識別精度と検索動作を評価した。 79.7%の実行で、Claude Codeは個々のコードの差分を検査する前にコミット履歴をレビューした。 コミットメッセージを使用して、綿密な検査のために変更を選択しました。 このアプローチにより、Claude CodeはF1スコア0.771を獲得し、評価された10のSZZベースラインを著しく上回っている。 また, 故障解析の結果から, 評価データセットにおけるBIC定義の不正確なオラクルラベルや曖昧さも明らかになった。 これらの問題に対処するために評価データセットを再構築した後、Claude CodeはF1スコア0.938を達成した。 SZZ検索戦略を改善するためにClaude Codeから学んだ重要な教訓は、セマンティック情報を使用して関連するコミットを見つけ、コードトレースから始めるのではなく、コードの変更を調べることである。

関連論文リスト

• CONTRA: Discovering and Qualifying Behavior-Changing Questions for Selective Clarification in LLM Code Generation [51.52661708278023]
  コーディングエージェントは正しいように見えるコードを生成することができるが、ユーザが意図しなかった振る舞いを実装する。 本研究では,広範囲な質問発見とセマンティックおよび実行に基づく質問資格を組み合わせた,学習自由度手法であるCONTRAを提案する。 ClarifyCodeBenchの実験では、CONTRAは4つのコーディングエージェントすべてで最高F1を達成した。
  論文  参考訳（メタデータ） (2026-10-01T14:26:21Z)
• Fantastic Adaptive Taxonomies and How to Use Them [100.20614173157708]
  AdaMASTは、実行トレースをコンパクトでエビデンスに基づく障害分類に変換する。 コードには手書きのコードはなく、人間による注釈もない。 エージェント・システム・サーチでは、失敗候補の分類コード診断が自由形式より優れている。
  論文  参考訳（メタデータ） (2026-07-17T17:41:16Z)
• Beyond Blame: Rethinking SZZ with Knowledge Graph Search [13.82629698836299]
  本稿では,時間的知識グラフ(TKG)をソフトウェア進化解析に適用するための最初のアプローチであるAgenticSZZを提案する。 我々は,AgenicSZZがF1スコア0.48から0.74を達成することを示す。
  論文  参考訳（メタデータ） (2026-02-03T00:10:48Z)
• Identifying Bug Inducing Commits by Combining Fault Localisation and Code Change Histories [10.027862394831669]
  BIC(Bug Inducing Commit)は、コミットにバグを導入するコード変更である。 我々は、最近修正されたコード要素がある場合、コミットがBICになる可能性が高いというコア概念でBICを識別することを目的としたFonteと呼ばれるテクニックを提案する。 フォンテは最先端のBIC識別技術を大きく上回り、最大45.8%のMRRを達成している。
  論文  参考訳（メタデータ） (2025-02-18T15:02:22Z)
• 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)
• Evaluating SZZ Implementations: An Empirical Study on the Linux Kernel [8.698309437598944]
  ゴーストコミットがSZZアルゴリズムに与える影響の評価は依然として限られている。 Linuxカーネル開発者は、標準のプラクティスとして、対応するバグ誘発コミット(s)のコミット識別子でバグ修正パッチのラベル付けを始めた。 本稿では6つのSZZアルゴリズムを76,046対のバグ修正パッチとLinuxカーネルからのバグ発生コミットに適用する。
  論文  参考訳（メタデータ） (2023-08-09T16:41:27Z)
• CONCORD: Clone-aware Contrastive Learning for Source Code [64.51161487524436]
  セルフ教師付き事前トレーニングは、多くのダウンストリームSEタスクに価値のあるジェネリックコード表現を学ぶための牽引役になった。 汎用的な表現学習のために、開発者が日々どのようにコードをコーディングするかは、要因としても不可欠である、と私たちは主張する。 特に,表現空間に良性クローンを近づける自己教師型コントラスト学習戦略であるCONCORDを提案する。
  論文  参考訳（メタデータ） (2023-06-05T20:39:08Z)
• Revisiting Code Search in a Two-Stage Paradigm [67.02322603435628]
  TOSSは2段階のフュージョンコード検索フレームワークである。 まずIRベースのバイエンコーダモデルを使用して、少数のトップkコード候補を効率的にリコールする。 その後、より微細なクロスエンコーダを使用してランク付けを行う。
  論文  参考訳（メタデータ） (2022-08-24T02:34:27Z)

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。