CodeCorrector

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

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。