PulseAugur
中
实时 06:12:09
English(EN) Rethinking Automated Program Repair: The Impact of Bug Complexity, Fault Localization, and LLM Cost-efficiency

LLM通过合成数据和成本效益分析增强自动化程序修复 · 跟踪2个来源

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员正在探索使用大型语言模型（LLM）改进自动化程序修复（APR）的新方法。一种方法是利用LLM生成用于错误修复的合成训练数据，这在预测正确代码修复方面已显示出统计学上的显著改进。另一项研究分析了错误复杂性、故障定位和LLM成本效益对APR的影响，发现尽管复杂错误具有挑战性，但基于LLM的技术仍能实现具有竞争力的修复率。研究还强调了修复效果与计算成本之间的权衡，一些较低成本的LLM提供了更好的成本效益。 AI

影响 LLM驱动的合成数据生成和成本效益分析正在推动自动化程序修复的发展，有望带来更强大、更具成本效益的软件开发工具。

排序理由 该集群包含两篇详细介绍使用LLM进行自动化程序修复研究的学术论文。

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

LLM通过合成数据和成本效益分析增强自动化程序修复 · 跟踪2个来源

本文如何被排名

Signal score
0 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Research
该集群包含两篇详细介绍使用LLM进行自动化程序修复研究的学术论文。
Source corroboration
2 independent sources
Multiple independent publishers reporting the same story raises confidence that it's real and newsworthy.
Topics
paper, product
Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance
High
Clearly on-topic for AI-industry coverage.
Story freshness
52 days old
Aged out of breaking-news scoring windows; ranking reflects the durable signal from the full source set.

完整方法见我们的编辑标准。

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · David de-Fitero-Dominguez, Antonio Garcia-Cabot, Eva Garcia-Lopez ·

    自举自动化程序修复：使用大型语言模型生成和评估用于错误修复的合成训练数据

    arXiv:2505.07372v3 Announce Type: replace-cross Abstract: This paper presents a novel methodology for enhancing Automated Program Repair (APR) through synthetic data generation utilizing Large Language Models (LLMs). Current APR systems are constrained by the limited availability…

  2. arXiv cs.AI TIER_1 English(EN) · Junchi Liu, Ali Bigdeli, Roya Daneshi, Atu Ambala, Sudipto Ghosh, Fabio Santos ·

    重新思考自动程序修复：错误复杂性、故障定位和大型语言模型成本效益的影响

    arXiv:2608.14065v1 Announce Type: cross Abstract: Background: Software bugs remain a critical challenge in development, necessitating effective Automated Program Repair (APR) techniques. While Large Language Model (LLM)-based APR systems have shown promise, prior studies primaril…

相关实体

相关话题