論文の概要: Bug Finding With Agentic Symbolic Execution
- arxiv url: http://arxiv.org/abs/2611.15596v1
- Date: Wed, 11 Nov 2026 15:15:01 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-11-14 01:36:33.179067
- Title: Bug Finding With Agentic Symbolic Execution
- Title(参考訳): エージェント・シンボリック・エクセプションで発見されたバグ
- Abstract要約: シンボル実行ツールであるCrossHairをAIコーディングエージェントとともにオーケストレーションするエージェントハーネスを設計する。
我々は,11の人気のあるオープンソースPython Webアプリケーションに対して,1,156,044行のPythonコードに対してハーネスを評価した。
我々のパイプラインは1,050のバグを発見し、それぞれが修正されていないアプリケーションに対してテストによって再現され、そのうち211はCrossHairによって、そのうち312は、同じLLMがコードを検査するベースラインで見逃されている。
- 参考スコア(独自算出の注目度): 1.4559460836723996
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Symbolic execution, in tools such as CrossHair for Python, is a powerful technique for finding bugs, but two barriers hinder its adoption: the human effort of annotating code with assertions, and the need to model the execution environment outside Python, such as an external database. To overcome both, we design an agentic harness that orchestrates the symbolic execution tool CrossHair together with an AI coding agent. Without human intervention, it instruments a repository with assertions, synthesizes a constraint-aware symbolic environment for the database, runs symbolic execution, and constructs a concrete test as evidence for each bug it reports. We evaluate our harness on 1,156,044 lines of Python code over 11 popular open-source Python web applications (Zulip, NetBox, Apache Superset, and others). With the synthesized environment, CrossHair executes 81% of the 5,406 contracted functions, against 4.5% without it. Our pipeline finds 1,050 bugs, each reproduced by a test against the unmodified application, 221 of them by CrossHair, and 312 of them are missed by a baseline in which the same LLM inspects the code. The two find different kinds of bugs: CrossHair's are mostly crashes on input-domain corner cases that validation admits, such as empty strings, missing fields and unusual characters, while inspection's are mostly bugs that produce wrong output. Our framework thus lets symbolic execution supplement inspection-based bug finding.
- Abstract(参考訳): シンボリック実行は、CrossHair for Pythonのようなツールにおいて、バグを見つけるための強力なテクニックであるが、その採用を妨げる2つの障壁がある。
両者を克服するために、AIコーディングエージェントとともにシンボル実行ツールであるCrossHairをオーケストレーションするエージェントハーネスを設計する。
人間の介入なしでは、アサーション付きのリポジトリを計測し、データベースの制約対応のシンボリック環境を合成し、シンボリック実行を実行し、報告する各バグのエビデンスとして具体的なテストを構築する。
我々は、11の人気のあるオープンソースPython Webアプリケーション(Zulip、NetBox、Apache Supersetなど)に対して、1,156,044行のPythonコードに対してハーネスを評価します。
合成された環境では、CrossHairは5,406のコントラクトされた関数の81%を実行する。
我々のパイプラインは1,050のバグを発見し、それぞれが修正されていないアプリケーションに対してテストによって再現され、そのうち211はCrossHairによって、そのうち312は、同じLLMがコードを検査するベースラインで見逃されている。
CrossHairは、空の文字列、フィールドの欠落、異常な文字など、バリデーションが許容する入力ドメインのコーナーケースにクラッシュするのに対して、インスペクションは、大半が間違ったアウトプットを生成するバグである。
当社のフレームワークでは,インスペクションに基づくバグ発見を象徴的に行うことができる。
関連論文リスト
- Built on Broken Assumptions (BOBA): Why Coding Agents Cannot Be Left Alone [51.88830575879169]
エージェントは間違った作業を報告していることが知られているが、ベンチマークは一度に1つのリクエストを、人間が書いたコードでテストし、一度チェックする。
エージェントはリクエストの95%を一度に処理しますが、リクエストがチェーン化されると51%が完了します。
論文 参考訳(メタデータ) (2026-11-01T21:06:34Z) - Do Coding Agents Understand Why Systems Crash---and Why They Don't? [67.16681439771178]
コーディングエージェントは現実世界のバグを修正する能力はますます高まっているが、Linuxカーネルのような大規模なシステムでは依然として苦労している。
理由を理解するために、私たちはクラッシュ推論を通じてエージェントがこれらの処理の実行を理由づける方法をテストする。
正しい予測だけでは、不審なコードを見つけることから生じる可能性があるため、この能力を確立できない。
論文 参考訳(メタデータ) (2026-10-21T07:30:20Z) - PyINE: A Framework for Scalable Elicitation and Oversight via Code Execution [68.74093425009342]
推論モデルは、コストが安いが誤解を招くショートカットにデフォルトを保ちながら、タスクを解決できる。
PyINEはPythonのインスツルメンテーションプログラムを使ってスケーラブルなエレケーションと監視を行うフレームワークである。
PyINE-v1は100万近い決定論的実行トレースから構築された最初のリリースです。
論文 参考訳(メタデータ) (2026-10-03T20:03:43Z) - Zero2Repo: Can Coding Agents Build Repositories from Scratch? [33.79367580283551]
コーディングエージェントは、パッチをパッチするのではなく、ソフトウェアを構築するように求められている。
エージェントが製品要求文書、インターフェース契約、空のワークスペースを受信するベンチマークであるZero2Repoを紹介する。
タスクは言語に依存しないオーサリングパイプラインによって生成されます。
論文 参考訳(メタデータ) (2026-09-29T14:10:23Z) - WitnessGym: Benchmarking Coding Agents on the Construction of Bug Witnesses [52.153965130786794]
WitnessGymはバグ注入によるバグ検証ベンチマークを構築するためのフレームワークだ。
実際のプロジェクトのテスト済みパスにバグを注入し、各プロジェクトを再構築し、建設時の目撃者が暴露したケースを保持する。
テストスイートを備えた現実世界のJavaプロジェクトに基づいて、WitnessGymは1300のベンチマークケースを自動的に構築する。
論文 参考訳(メタデータ) (2026-09-29T03:43:13Z) - A Comprehensive Study of Native Code Bugs in Python Applications [24.46519800257897]
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。
論文 参考訳(メタデータ) (2026-08-30T15:30:07Z) - Real-World Fault Detection for C-Extended Python Projects with Automated Unit Test Generation [14.579734219257224]
Pythonライブラリはパフォーマンスクリティカルな操作にC拡張を使用する。
C言語で発生した例外はPythonの例外処理をバイパスし、インタプリタ全体をクラッシュさせる。
テスト生成プロセスの生成と実行の段階を分離することを提案する。
論文 参考訳(メタデータ) (2026-03-06T10:05:29Z) - Agentic Property-Based Testing: Finding Bugs Across the Python Ecosystem [34.68658860352019]
プロパティベースのテスト(PBT)は、ランダム化テストフレームワークとして実装される軽量な形式的手法である。
本研究では,Pythonモジュールを解析し,コードやドキュメントから関数固有およびクロスファンクショナルプロパティを推論し,PBTを合成・実行するLLMベースのエージェントを実演する。
論文 参考訳(メタデータ) (2025-10-10T22:43:54Z) - VisCoder: Fine-Tuning LLMs for Executable Python Visualization Code Generation [69.35779796364413]
提案するVisCode-200Kは,Pythonによる可視化と自己補正のための大規模インストラクションチューニングデータセットである。
1)オープンソースリポジトリからの検証済みプロットコードと自然言語命令と描画プロットのペア,(2)Code-Feedbackからの45Kのマルチターン補正ダイアログ。
論文 参考訳(メタデータ) (2025-06-04T13:24:44Z) - PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。
PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。
PyPulseはMITライセンスでGithubとPyPIでリリースしました。
論文 参考訳(メタデータ) (2024-12-09T11:00:55Z) - DeepDebug: Fixing Python Bugs Using Stack Traces, Backtranslation, and
Code Skeletons [5.564793925574796]
本稿では,大規模な事前学習型トランスを用いた自動デバッグ手法を提案する。
まず、合成バグを生成するために、逆コミットデータにバグ生成モデルをトレーニングすることから始めます。
次に、テストを実行できる10Kリポジトリに焦点を当て、テストをパスすることでカバーされるすべての関数のバグの多いバージョンを作成します。
論文 参考訳(メタデータ) (2021-05-19T18:40:16Z)
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。