論文の概要: CIVER: Causal Intervention Verification for Reliable Code Review
- arxiv url: http://arxiv.org/abs/2610.36010v1
- Date: Mon, 26 Oct 2026 16:29:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-28 21:04:31.388083
- Title: CIVER: Causal Intervention Verification for Reliable Code Review
- Title（参考訳）: CIVER: 信頼性の高いコードレビューのための因果干渉検証
- Abstract要約: 欠陥を特定し、コード品質を改善し、信頼性の高いソフトウェア進化をサポートすることで、ソフトウェアのリポジトリを維持するためには、コードレビューが不可欠である。
因果的介入に基づくフレームワークであるCIVERを提案する。このフレームワークは、コードレビュー結果の根底にある中核的な問題を特定し、真の欠陥を偽陽性と区別する。
- 参考スコア（独自算出の注目度）: 5.62630061979166
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Code review is essential for maintaining software repositories by identifying defects, improving code quality, and supporting reliable software evolution. With the growing adoption of LLM-based coding agents, an increasing number of code contributions and repository changes are generated by these agents. Consequently, LLM-based code review agents are becoming increasingly prevalent to evaluate these contributions and maintain software quality. However, LLM reviewers often generate lengthy reviews containing numerous potential issues, many of which are false positives or lack sufficient evidence. These unreliable reviews can mislead developers and downstream coding agents, motivating the need to distinguish actionable findings from unsupported claims. We propose CIVER, a causal intervention-based framework that identifies the core issues underlying code-review findings and distinguishes genuine defects from false positives. CIVER integrates three modules: a review module assesses findings, an intervention module generates repair-oriented perturbations, and a verifier module scores review reliability. Through joint optimization via expert iteration, the three modules identify genuine defects by responding to targeted repairs while remaining stable under unrelated changes. Extensive experiments on SWE-Review-Bench demonstrate that CIVER correctly identifies 77% of genuine defects through targeted repairs. Cross-project and downstream repair evaluations further demonstrate that CIVER generalizes across repositories and improves coding agents' task success rates, highlighting its effectiveness for reliable automated code review.
- Abstract（参考訳）: 欠陥を特定し、コード品質を改善し、信頼性の高いソフトウェア進化をサポートすることで、ソフトウェアのリポジトリを維持するためには、コードレビューが不可欠である。
LLMベースのコーディングエージェントの採用の増加に伴い、これらのエージェントによってコードコントリビューションやリポジトリの変更が増えています。
その結果、LCMベースのコードレビューエージェントは、これらのコントリビューションを評価し、ソフトウェアの品質を維持するために、ますます普及している。
しかし、LSMレビュアーは、多くの潜在的な問題を含む長いレビューをしばしば生成し、その多くが偽陽性か十分な証拠が不足している。
これらの信頼性の低いレビューは、開発者や下流のコーディングエージェントを誤解させる可能性がある。
因果的介入に基づくフレームワークであるCIVERを提案する。このフレームワークは、コードレビュー結果の根底にある中核的な問題を特定し、真の欠陥を偽陽性と区別する。
CIVERは3つのモジュールを統合する: レビューモジュールが結果を評価し、介入モジュールが修正指向の摂動を生成し、検証モジュールがレビューの信頼性を評価する。
専門家の反復による共同最適化を通じて、3つのモジュールは、意図された修復に応答しながら、無関係な変更の下で安定して、真の欠陥を識別する。
SWE-Review-Benchに関する大規模な実験では、CIVERがターゲットの修復によって真の欠陥の77%を正しく識別することを示した。
クロスプロジェクトおよびダウンストリームの修復評価では、CIVERがリポジトリをまたいで一般化し、コーディングエージェントのタスク成功率を改善し、信頼性の高い自動コードレビューの有効性を強調している。
関連論文リスト
- EviRepair: Evidence-Driven Agents for Reliable Vulnerability Repair [55.22600943144124]
リポジトリレベルの脆弱性修復のためのエビデンス駆動型マルチエージェントフレームワークであるEviRepairを提案する。
EviRepairは、エージェントが協力して証拠を収集できるようにすることによって、修復プロセスにエビデンスレビューを導入する。
PatchEvalとSecBenchベンチマークの実験は、EviRepairが既存のエージェントベースのベースラインを一貫して上回ることを示した。
論文 参考訳（メタデータ） (2026-10-09T12:22:43Z) - SWE-Gate: Passing Functional Tests Is Not Enough for Software Engineering Agents [63.65682461568621]
ソフトウェアエンジニアリングエージェントのためのリポジトリレベルのベンチマークであるSWE-Gateを導入し、機能的正当性とともにレビュー制約コンプライアンスを明示的に評価する。
SWE-Gateは、実際のプルリクエストレビューコメントからレビュー制約を導き、これらの制約に関するリポジトリレベルの修復インスタンスを合成する。
各インスタンスは、非準拠およびゴールドパッチとともに、機能テストと制約テストの分離を提供し、イシュー解決能力とレビュー制約コンプライアンスの明確な分離を可能にする。
論文 参考訳（メタデータ） (2026-09-03T17:53:34Z) - RepoProbe: Benchmarking Architecture-Aware Repository Comprehension with Checklists [12.810164698494281]
RepoProbeは、リポジトリレベルのコード理解を評価するための新しいベンチマークである。
本稿では,回答をアトミックで検証可能な事実に分解するチェックリストベースの検証プロトコルを提案する。
論文 参考訳（メタデータ） (2026-08-05T12:49:36Z) - Beyond Fixed Tests: Repository-Level Issue Resolution as Coevolution of Code and Behavioral Constraints [17.818522356206977]
ほとんどの大規模言語モデル(LLM)ベースの修復システムは、修理中に固定された動作制約を扱います。
本稿では,Agent-CoEvoを提案する。Agent-CoEvoは共進化的マルチエージェントフレームワークで,候補コードパッチとテストパッチを共同で探索し,洗練する。
Agent-CoEvoは、修復の成功と再現性の両方において、最先端のエージェントベースとエージェントレスベースラインを一貫して上回っている。
論文 参考訳（メタデータ） (2026-04-06T10:26:46Z) - CR-Bench: Evaluating the Real-World Utility of AI Code Review Agents [0.7496422063843831]
我々は、ベンチマークデータセットであるCR-Benchと、コードレビューエージェントのためのきめ細かい評価パイプラインであるCR-Evaluatorを紹介する。
コードレビューエージェントは、隠されたすべての問題を特定するために設計された場合、低信号対雑音比を示すことができる。
本分析では,課題解決と突発的な発見との間に隠されたトレードオフを明らかにし,効果的なエージェント設計を制約するフロンティアを明らかにした。
論文 参考訳（メタデータ） (2026-03-10T21:29:42Z) - Are LLMs Reliable Code Reviewers? Systematic Overcorrection in Requirement Conformance Judgement [8.059802912761919]
我々は,大規模言語モデル(LLM)が自然言語要求にマッチするコードの体系的失敗を明らかにする。
より詳細なプロンプト設計、特に説明や修正提案を必要とするものは、より高い誤判定率をもたらす。
そこで本稿では,提案した修正を実効的証拠として扱う固定誘導検証フィルタを提案する。
論文 参考訳（メタデータ） (2026-02-28T08:35:25Z) - RealSec-bench: A Benchmark for Evaluating Secure Code Generation in Real-World Repositories [58.32028251925354]
LLM(Large Language Models)は、コード生成において顕著な能力を示しているが、セキュアなコードを生成する能力は依然として重要で、未調査の領域である。
我々はRealSec-benchを紹介します。RealSec-benchは、現実世界の高リスクなJavaリポジトリから慎重に構築されたセキュアなコード生成のための新しいベンチマークです。
論文 参考訳（メタデータ） (2026-01-30T08:29:01Z) - CompassVerifier: A Unified and Robust Verifier for LLMs Evaluation and Outcome Reward [50.97588334916863]
評価と結果報酬のための正確で堅牢な軽量検証モデルであるCompassVerifierを開発した。
数学、知識、多種多様な推論タスクにまたがる多分野の能力を示し、様々な答えの型を処理する能力を示す。
我々は,複数のデータソースから収集したモデル出力からなるVerifierBenchベンチマークを導入し,メタエラーパターンを手動で解析してCompassVerifierを強化する。
論文 参考訳（メタデータ） (2025-08-05T17:55:24Z) - Training Language Models to Generate Quality Code with Program Analysis Feedback [66.0854002147103]
大規模言語モデル(LLM)によるコード生成は、ますます本番環境で採用されているが、コード品質の保証には失敗している。
実運用品質のコードを生成するためにLLMにインセンティブを与える強化学習フレームワークであるREALを提案する。
論文 参考訳（メタデータ） (2025-05-28T17:57:47Z) - OpenFactCheck: Building, Benchmarking Customized Fact-Checking Systems and Evaluating the Factuality of Claims and LLMs [59.836774258359945]
OpenFactCheckは、カスタマイズされたファクトチェックシステムを構築するためのフレームワークである。
ユーザーは自動的にファクトチェッカーをカスタマイズし、文書やクレームの事実的正当性を検証できる。
CheckerEVALは、人間の注釈付きデータセットを使用して、自動ファクトチェッカーの検証結果の信頼性を高めるソリューションである。
論文 参考訳（メタデータ） (2024-05-09T07:15:19Z)
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。