PulseAugur
中
实时 04:14:02

新的多目标系统改进了软件开发中的 Bug 定位

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新的多目标搜索系统，用于软件开发中的自动化 Bug 定位。该系统旨在通过最大化 Bug 报告与代码之间的相似性来识别潜在的 Bug 类，同时最小化建议的有缺陷文件的数量。在六个开源 Java 项目上使用 SPEA-2 进化优化算法，该方法与现有方法相比，在精确率和召回率方面表现更好，在排名前 10 的推荐中成功识别了 88.5% 的 Bug 报告的 Bug 类。该系统在用 Kotlin 编写的工业 Android 项目上的适应性得到了进一步验证。 AI

排序理由 该集群包含一篇学术论文，详细介绍了使用进化算法进行 Bug 定位的新方法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.NE (Neural & Evolutionary) 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的多目标系统改进了软件开发中的 Bug 定位

本文如何被排名

Signal score
3 / 100
Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket
Tool
该集群包含一篇学术论文，详细介绍了使用进化算法进行 Bug 定位的新方法。[lever_c_demoted from research: ic=1 ai=0.7]
Source corroboration
Single-source cluster
Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics
paper, other
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
Same-day
Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

  1. arXiv cs.NE (Neural & Evolutionary) TIER_1 English(EN) · Maryam Bashir ·

    从 Bug 报告中进行 Bug 定位：一种多目标方法

    Bug localization is a labor-intensive task, particularly in large software systems. When abnormal behavior occurs, developers must perform repetitive and time-consuming steps to identify faulty files. Previous studies have mainly focused on single-objective localization methods, …

相关实体

相关话题