論文の概要: RXSynth: A Seed-Grounded Corpus for Studying Java Runtime-Exception Bugs
- arxiv url: http://arxiv.org/abs/2610.24902v1
- Date: Sat, 17 Oct 2026 22:56:07 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-20 22:27:24.238007
- Title: RXSynth: A Seed-Grounded Corpus for Studying Java Runtime-Exception Bugs
- Title（参考訳）: RXSynth: Javaランタイム例外バグを研究するためのシードラウンドコーパス
- Abstract要約: 既存のJavaのバグベンチマークは、実行時例外検出を研究するための限定的なメソッドレベルのデータを提供する。
RX Synthは4,275の合成Javaメソッドペアのコーパスで、実際のバグ/フィックスの例から生成される。
- 参考スコア（独自算出の注目度）: 4.902956965439
- License:
- Abstract: Existing Java bug benchmarks offer limited method-level data for studying runtime-exception detection. Filtering Defects4J, Bugs.jar, Bears, and BugSwarm yields only 170 real buggy/fixed method pairs across seven unchecked exception types. We introduce RXSynth, a corpus of 4,275 synthetic Java method pairs generated from real bug/fix exemplars. We select the generator using structural alignment with real seeds and validate pairs using a two-stage patch-anchored procedure that identifies the labelled exception risk and checks whether the repair removes it. Independent JVM execution confirms patch-local validity for 84.2% of a stratified sample of 500 pairs. Provenance records enable evaluation without overlap between generation exemplars and test bugs. Structural analyses show good alignment within the represented size range, but compression of larger methods. We use RXSynth to compare isolated-method detection with pair discrimination when the repair is visible. Under provenance-controlled evaluation, supervised isolated-method ROC-AUC is about 0.55-0.64. Stronger zero-shot models reach about 69% accuracy but identify only 41.2% of repaired methods correctly. In contrast, fine-tuned encoders achieve 70.4-74.8% accuracy with both versions available. However, a simple token-growth rule achieves 84.7% expected accuracy, highlighting repair-direction cues. On 36 pairs without token growth, encoder accuracy falls to approximately chance, while GPT-5.5 and Gemini 3.1 Pro exceed 94%. RXSynth thus supports contrastive, patch-oriented, and context-aware studies; pairwise evaluations should control for provenance and directional surface cues before interpreting high accuracy as defect understanding.
- Abstract（参考訳）: 既存のJavaのバグベンチマークは、実行時例外検出を研究するための限定的なメソッドレベルのデータを提供する。
Filtering Defects4J, Bugs.jar, Bears, BugSwarmは7つの未チェック例外タイプで170の実際のバグギー/修正メソッドペアを出力する。
RXSynthは4,275の合成Javaメソッドペアのコーパスで、実際のバグ/フィックスの例から生成される。
実種と構造的アライメントを用いてジェネレータを選択し、ラベル付き例外リスクを識別する2段階のパッチアンカレート手法を用いてペアを検証し、修復が除去されるかどうかを確認する。
独立JVM実行では、500対の階層化されたサンプルの84.2%がパッチローカルの妥当性を確認している。
出現記録は、生成例とテストバグの重複なく評価を可能にする。
構造解析では、表現されたサイズ範囲内でのアライメントが良好であるが、より大きな手法の圧縮が可能である。
我々はRXSynthを用いて孤立金属検出とペア識別を比較した。
予測制御による評価では、ROC-AUCはおよそ0.55-0.64である。
より強力なゼロショットモデルは約69%の精度に達するが、修理方法の41.2%しか正確に識別していない。
対照的に、微調整エンコーダは2つのバージョンで70.4-74.8%の精度を達成している。
しかし、単純なトークン成長規則は84.7%の精度を達成し、修理方向の手がかりを強調している。
トークン成長のない36組では、エンコーダの精度はほぼ偶然に低下し、GPT-5.5とGemini 3.1 Proは94%を超える。
したがって、RXSynthはコントラスト、パッチ指向、コンテキスト対応の研究をサポートし、ペアワイズ評価は、欠陥理解として高い精度で解釈する前に、証明と方向の曲面のキューを制御すべきである。
関連論文リスト
- Agent Error Dataset: Scaling 50,000 Error--Diagnosis Pairs for Failure Analysis and Error-Aware Post-Training [45.727227890697556]
我々は,9,961のソースタスクから50,228のエラー診断ペアからなるエージェントエラーデータセット(AED)を紹介した。
5段階のAgenic Error-to-Trainingパイプラインは自然の故障を収集し、診断と修正案を生成し、記録された証拠と照合する。
アクタートレーニングのレシピの比較において、アクションオンリーの修復トレーニングは成功オンリーのトレーニングよりもWebShop-liteの方が6.67ポイント高い。
論文 参考訳（メタデータ） (2026-09-30T16:40:22Z) - The Price of Peeking: Anytime-Valid Leakage Detection on ML-KEM EM Traces [45.88028371034407]
本研究は, ベットによる検査に基づく漏洩検出について検討する。
13000～20000のサンプルに対して繰り返し表示される$|t|>4.5$は2.7-12.9%の複製で誤報を発生させた。
論文 参考訳（メタデータ） (2026-09-27T14:14:10Z) - A Verifier Can Leak the Answer: Diagnosability Before Optimization in Closed-Loop Agent Debugging [0.39287497907611874]
検証者は、そのプローブがターゲットのアイデンティティを符号化したり、述語化したりすると、解法の比較を空にする。
クローズドループ決定エージェントにおけるアグリゲートトレースデバッガーの障害を報告する。
論文 参考訳（メタデータ） (2026-09-09T17:32:57Z) - Measuring the Checker: Mutation Analysis for GPU-Kernel Benchmark Oracles [86.41218924166775]
LLM生成のGPUカーネルのベンチマークは、ランダムな入力とゆるやかな浮動小数点耐性で正確性を決定する。
最近の研究は、これらのチェッカーは弱く、手動でパッチを当てることに同意している。
本稿では,カーネルベンチマークの精度指標として突然変異解析を導入する。
論文 参考訳（メタデータ） (2026-09-02T10:30:05Z) - Semantic Drift in Bug Resolution: How Behavioral Signals Propagate from Reports to Tests and Patches [18.727291516223115]
Desc2Fixは、バグレポートのセマンティックアライメント、テストのトリガー、開発者による修正を測定するフレームワークである。
GPT-4o と DeepSeek-Chat を用いて,Defects4J と SWT-Bench の2,857 個のレポート・パッチを解析した。
論文 参考訳（メタデータ） (2026-07-20T22:32:23Z) - Efficient Visual Pointing for Embodied AI:Agent-Driven Data Synthesis, Cross-Block Attention, and Iterative Correction [55.11480729304395]
PointArena 2026は77.2%の精度でベンチマークで2位である。
ap proachは3つの障害モードをターゲットにしている。第一に、エージェント駆動のシンセシスは大きなセマンティクスとアンカー相対的な候補プールを構築する。
次に、determinis tic steerable-dataパイプラインは、認証された10,000サンプルのメインセットと、マスク、テンプレート、パス検証を使用するリザーブサンプルを生成する。
論文 参考訳（メタデータ） (2026-06-29T06:39:03Z) - Automated Proving of Shannon-Type Entropy Inequalities via Fine-Tuned Language Models and Guided Tree Search [50.16356451328644]
シャノン型エントロピーの不等式を証明することは情報理論の基本的な課題である。
我々は,原子実証のステップを微調整した小規模大規模言語モデルがこのプロセスを自動化することができるか検討する。
GPT-5.5は0ショットプロンプトで1.7%のサンプルを解き、Psitipは33.3%のサンプルを解いた。
論文 参考訳（メタデータ） (2026-06-04T05:43:12Z) - Distributional Energy-Based Models for Uncertainty-Aware Structured LLM Reasoning [40.342912574072024]
大規模言語モデルは、旅行計画やコードソリューションのような構造化されたアウトプットを生成する。
個々の推論ステップは正しく見えるが、アウトプット全体が予算に違反したり、テストケースに失敗したり、あるいは以前の推論に矛盾することがある。
構造化LCM出力の検証のための決定論的解析制約付き学習品質スコアラを提案する。
論文 参考訳（メタデータ） (2026-05-15T17:08:27Z) - Syntax Is Not Enough: An Empirical Study of Small Transformer Models for Neural Code Repair [0.0]
本研究では,小型変圧器モデルが実世界のJavaバグを有意義に修復できるかどうかを検討する。
CodeXGLUE から 52,364 の Java バグフィックスペアに対して CodeT5-small (60.5M パラメータ) を微調整する。
論文 参考訳（メタデータ） (2025-12-22T10:34:22Z) - SemGuard: Real-Time Semantic Evaluator for Correcting LLM-Generated Code [46.20378145112059]
ポストホック修復パイプラインは、実行後にのみそのような障害を検出する。
本稿では,実時間で行レベルのセマンティック監視を行うセマンティック評価フレームワークSemGuardを紹介する。
論文 参考訳（メタデータ） (2025-09-29T09:21:32Z)
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。