Fault Localization

研究质疑故障定位在人工智能代码修复中的有效性

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。