English(EN) Does Fault Localization Beat a Fresh Attempt? A Placebo-Controlled Study of Test-Guided Code Repair

研究质疑故障定位在人工智能代码修复中的有效性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-02 04:00

一篇新发表在arXiv上的研究调查了故障定位在指导代码修复模型中的有效性。研究发现，虽然故障定位理论上可以集中模型的注意力于有问题的代码部分，但在实践中却很少可用。研究表明，当故障定位可行时，简单地重新采样整个解决方案或在随机位置进行编辑可能比有针对性的局部修复更有效。研究结果表明，故障定位在代码修复中的益处可能不如之前假设的那么显著，模型倾向于复制原始的错误代码。 AI

影响表明当前人工智能代码修复方法可能无法从故障定位中获得显著益处，可能影响未来发展。

排序理由发表在arXiv上的研究论文，详细介绍了实验结果。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

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

本文如何被排名

Signal score: 32 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 发表在arXiv上的研究论文，详细介绍了实验结果。[lever_c_demoted from research: ic=1 ai=1.0]
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, 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: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Anik Jha · 2026-09-02 04:00

故障定位是否优于全新尝试？一项安慰剂对照的测试引导代码修复研究

arXiv:2609.00854v1 Announce Type: cross Abstract: Fault localization can focus a code model's repair on the statements a failing test implicates, but a targeted edit may succeed merely because it is small, and a second model call may succeed without using the failure at all. We s…

本文如何被排名

报道来源 [1]

故障定位是否优于全新尝试？一项安慰剂对照的测试引导代码修复研究

相关实体

相关话题