論文の概要: HIDE: Hierarchical Isolation via Documentation and Evidence for Rustc Bugs

• arxiv url: http://arxiv.org/abs/2610.37343v1
• Date: Tue, 27 Oct 2026 14:49:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-28 21:04:31.664216
• Title: HIDE: Hierarchical Isolation via Documentation and Evidence for Rustc Bugs
• Title（参考訳）: HIDE: Rustc Bugsのドキュメントとエビデンスによる階層的分離
• Abstract要約: HIDEは階層的なアプローチで、コンパイラのドキュメントとバグエビデンスを組み合わせて、疑わしいrustcソースファイルをランク付けする。 我々は,160個の再現可能なrustcバグについてHIDEを評価し,Agentless,SoapFL,GraphLocatorと比較した。 GPT-5.4では、HIDEは42.08%の精度@1と80.42%の精度@10を達成する。
• 参考スコア（独自算出の注目度）: 6.441044121873463
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rustc bugs can prevent valid programs from compiling or cause incorrect compilation results, making the identification of responsible source files essential for repair. Using large language models (LLMs) for rustc bug isolation raises three challenges. First, distributed compiler functionality requires understanding both what individual files do and how they work together. Second, a large source file search space makes exhaustive analysis of all files costly. Third, including documentation and source code for many candidate files in LLM prompts leads to context overload, which can reduce bug isolation accuracy. We propose HIDE, a hierarchical LLM-based approach that combines compiler documentation with bug evidence to rank suspicious rustc source files. Given a rustc revision and a bug context, HIDE consists of two stages that generate compiler documentation and narrow the search space. To understand distributed compiler functionality, the Layered Documentation Aggregation stage summarizes what individual files do and how files with similar functions work together. To reduce the large source file search space, the Hierarchical Bug Isolation stage uses hierarchical candidate selection to reduce the number of files requiring detailed analysis. To mitigate context overload, this stage uses Scoped Candidate Competition and Evidence-Guided Code Slicing to limit the number of candidates and the amount of source code included in each prompt, respectively. We evaluate HIDE on 160 reproducible rustc bugs and compare it with Agentless, SoapFL, and GraphLocator. With GPT-5.4, HIDE achieves 42.08% Accuracy@1 and 80.42% Accuracy@10, exceeding the strongest baseline results by 5.83% and 6.04%, respectively. These results demonstrate that generating compiler documentation, narrowing candidates hierarchically, and limiting analysis context enable effective rustc bug isolation.
• Abstract（参考訳）: Rustcのバグは、有効なプログラムのコンパイルや不正なコンパイル結果の発生を防ぎ、修正に不可欠なソースファイルの特定を可能にする。 rustcバグ分離に大規模言語モデル(LLM)を使用すると、3つの課題が生じる。 まず、分散コンパイラ機能には、個々のファイルの動作と、それらの動作方法の両方を理解する必要がある。 第2に、大規模なソースファイル検索スペースは、全ファイルを徹底的に分析する。 第3に、LLMプロンプト内の多くの候補ファイルのドキュメンテーションとソースコードを含むと、コンテキストオーバーロードが発生し、バグの分離精度が低下する。 我々は,コンパイラドキュメントとバグエビデンスを組み合わせて,疑わしいrustcソースファイルのランク付けを行う階層型LLMベースのアプローチであるHIDEを提案する。 rustcのリビジョンとバグコンテキストが与えられた後、HIDEはコンパイラのドキュメントを生成し、検索スペースを狭める2つのステージで構成される。 分散コンパイラ機能を理解するため、レイヤドドキュメンテーション・アグリゲーション(Layered Documentation Aggregation)ステージでは、個々のファイルの動作と、同様の機能を持つファイルの動作方法が要約されている。 大規模なソースファイル検索スペースを減らすため、階層的バグ分離ステージでは階層的候補選択を使用して詳細な解析を必要とするファイルの数を削減している。 コンテキストオーバーロードを軽減するため、このステージではScoped Candidate CompetitionとEvidence-Guided Code Slicingを使用して、各プロンプトに含まれる候補数とソースコードの量を制限する。 我々は,160個の再現可能なrustcバグについてHIDEを評価し,Agentless,SoapFL,GraphLocatorと比較した。 GPT-5.4では、HIDEは42.08%の精度@1と80.42%の精度@10を達成する。 これらの結果は、コンパイラドキュメンテーションの生成、候補を階層的に絞り込み、分析コンテキストの制限により、rustcバグを効果的に分離できることを示している。

関連論文リスト

• CODEFUSE-DEBENCH: An Empirical Study on Readability, Recompilability, and Functionality [14.354022325641088]
  本稿では, 可読性, 再コンパイル性, 機能性の3次元に沿って, 再コンパイル品質を測定する再利用可能な評価パラダイムを提案する。 我々は,多次元デコンパイル評価のための最初の自動フレームワークであるDEBENCHを提案する。
  論文  参考訳（メタデータ） (2026-05-28T07:17:53Z)
• ASSEMBLAGE-DEEPHISTORY: A Cross-Build Binary Dataset with Temporal Coverage [35.66555702085075]
  本稿では, クロスビルドの多様性, クロスバージョン履歴, CVE ラベルをクエリ可能な構造に集約した ASSEMBLAGE-DEEPHISTORY を提案する。 ASSEMBLAGE-DEEPHISTORYは、248のオープンソースプロジェクトにまたがる73,610のバイナリで構成され、GCC、Clang、MSVCでコンパイルされる。 各バイナリはデータベースにインデックスされ、ソースコード、関数、デバッグ情報、変更版ビルド、履歴バージョン、脆弱性のある関数にリンクされる。
  論文  参考訳（メタデータ） (2026-05-20T18:23:17Z)
• Constraint-Guided Multi-Agent Decompilation for Executable Binary Recovery [47.704311990064554]
  脱コンパイルは、セキュリティ分析、マルウェアのリバースエンジニアリング、レガシーソフトウェアメンテナンスに不可欠である。 マルチレベル制約誘導型デコンパイル(MCGD)により,デコンパイルされたコードを再実行可能なソースに変換するマルチエージェントフレームワークを提案する。 本フレームワークは,84～97%の再実行性を実現し,28～89ポイントのベースラインデコンパイラ出力を改善した。
  論文  参考訳（メタデータ） (2026-04-27T01:28:11Z)
• HELIOS: Hierarchical Graph Abstraction for Structure-Aware LLM Decompilation [11.110675371854988]
  textscHELIOSは、バイナリの逆コンパイルを構造化推論タスクとして再構成するフレームワークである。 textscHELIOSは、セキュリティ設定のリバースエンジニアリングのための実用的なビルディングブロックである。
  論文  参考訳（メタデータ） (2026-01-21T02:37:33Z)
• Isolating Compiler Bugs through Compilation Steps Analysis [5.783745108952491]
  CompSCANは、コンパイルステップのシーケンスを解析する新しいコンパイラバグ分離技術である。 実世界のLLVMおよびGCCバグ185件についてCompSCANを評価した。 ETEMとODFLと比較すると、CompSCANは44.51%/50.18%/36.24%/24.49%/ETEM、31.58%/49.12%/44.93%/21.78%の相対的な改善を実現している。
  論文  参考訳（メタデータ） (2025-10-15T03:58:02Z)
• Improving Compiler Bug Isolation by Leveraging Large Language Models [14.679589768900621]
  本稿では,AutoCBIという新しいコンパイラバグ分離手法を提案する。 我々は、広く使われているGCCおよびLLVMコンパイラの120の現実世界バグに対して、最先端のアプローチ(DiWi、RecBi、FuseFL)に対してAutoCBIを評価した。 特に、GCC/LLVMの上位1位では、AutoCBIは66.67%/69.23%、300%/340%、100%/57.14%のバグをRecBi、DiWi、FuseFLより分離している。
  論文  参考訳（メタデータ） (2025-06-21T09:09:30Z)
• 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)
• KGym: A Platform and Dataset to Benchmark Large Language Models on Linux Kernel Crash Resolution [59.20933707301566]
  大規模言語モデル(LLM)は、ますます現実的なソフトウェア工学(SE)タスクにおいて一貫して改善されている。 現実世界のソフトウェアスタックでは、Linuxカーネルのような基本的なシステムソフトウェアの開発にSEの取り組みが費やされています。 このような大規模システムレベルのソフトウェアを開発する際にMLモデルが有用かどうかを評価するため、kGymとkBenchを紹介する。
  論文  参考訳（メタデータ） (2024-07-02T21:44:22Z)

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。