Цитирование
Сценарии ремонта
Семантическая ошибка
Уязвимость безопасности
Синтаксическая ошибка
Проблема программирования
Статическое предупреждение
Самостоятельная отладка
Тип Ошибка
Тест веб-интерфейса
Смарт-контракт
Аппаратная ошибка
Ошибка производительности
Неправильное использование API
Ошибка сбоя
Тестовый пример
Формальное доказательство
Ошибка перевода
Проблема с GitHub
Обзор кода
Планировщик движения
? Человеческое исследование
? Оценка корректности исправлений
Контрольный показатель
? Соответствующие опросы в апреле
@article{zhang2024survey, title={Систематический обзор литературы по большим языковым моделям для автоматического восстановления программ}, автор={Чжан, Цюаньцзюнь и Фан, Чуньжун и Се, Ян и Ма, Юйсян и Сунь, Вэйсон и Ян, Юнь и Чен , Женью}, журнал={препринт arXiv arXiv:2405.01466}
год={2024}}добавить исследования на основе агентов SE для проблем GitHub
добавить документы ISSTA 2024
выпустить новую версию этой статьи на arXiv
CORE: Решение проблем качества кода с помощью LLM [2024-FSE]
Оперативное исправление: технология автоматического устранения уязвимостей на основе оперативного проектирования [2024-ICNC]
Оценка больших языковых моделей для устранения реальных уязвимостей в коде C/C++[2024-IWSPA]
Исследование возможностей больших языковых моделей для автоматического восстановления кода в Python [2024-Кластерные вычисления]
LPR: Сокращение программы с помощью моделей большого языка [2024-ISSTA]
Пример использования LLM для автоматического устранения уязвимостей: оценка влияния рассуждений и отзывов о проверке исправлений (7 мая 2024 г.) AIware 2024
Когда большие языковые модели сталкиваются с автоматическим восстановлением программ на уровне репозитория: насколько хорошо они справились? [2024-ИКСБ]
Изучение эффективной настройки параметров большой языковой модели при автоматическом восстановлении программ [2024-ASE]
Исследование потенциала восстановления программ на основе диалогового набора тестов на SWE-bench [2024-arXiv]
Исследование и повышение надежности автоматического восстановления программ на основе LLM с помощью метаморфического тестирования [2024-arXiv] [бумага]
Разделяй и властвуй: автоматизация изменений кода посредством локализации и пересмотра [2024-TOSEM]
От кода к правильности: завершение последней мили генерации кода с помощью иерархической отладки [2024-arXiv] [бумага] [репозиторий]
Автоматизированное восстановление программ для вводных заданий по программированию [2024-TLT] [бумага]
Автоматическое восстановление кода ИИ с помощью больших языковых моделей и формальной проверки [2024-arXiv] [бумага]
CraftRTL: высококачественная генерация синтетических данных для моделей кода Verilog с корректными по построению нетекстовыми представлениями и целевым восстановлением кода [2024-arXiv-NVIDIA] [бумага]
Сравнительный анализ автоматизированного восстановления программ: обширное исследование реальных и искусственных ошибок [2024-ISSTA] [бумага]
Автоматическое восстановление программы через диалог: исправление 162 из 337 ошибок по 0,42 доллара США за каждую с помощьюchatgpt[2024-ISSTA] [бумага]
Использование большой языковой модели для автоматической оценки правильности исправлений [2024-TSE] [бумага]
Автоматизированное исправление программ для устранения ошибок вариативности в системах линейки программных продуктов [2024-JSS] [бумага]
PyBugHive: комплексная база данных воспроизводимых ошибок Python, проверенных вручную [Доступ IEEE, 2024 г.] [бумага]
Как понять весь репозиторий программного обеспечения? [2024-arXiv] [бумага]
Автоматизированное исправление программ для устранения ошибок вариативности в системах линейки программных продуктов [2024-JSS] [бумага]
Унифицированный подход к отладке с помощью многоагентной синергии на основе LLM [2024-arxiv] [бумага] [репозиторий]
Как далеко мы можем зайти с практическим восстановлением программ на функциональном уровне? [2024-arxiv] [бумага] [репозиторий]
Автоматическое восстановление программы через диалог: исправление 162 из 337 ошибок по 0,42 доллара США за каждую с помощьюchatgpt[2024-ISSTA] [бумага]
Старая версия: Продолжайте общение: исправление 162 из 337 ошибок по 0,42 доллара США за каждую с помощью ChatGPT [2023-arxiv] [бумага]
Новый подход к автоматическому восстановлению программ с использованием двустороннего перевода с большими языковыми моделями [2024-arxiv] [бумага] [репозиторий]
Вне контекста: насколько важен локальный контекст при восстановлении нейронной программы? [2024-ICSE] [бумага] [репозиторий]
Многоцелевая точная настройка для расширенного восстановления программ с помощью LLM [2024-arxiv] [бумага]
Согласование LLM для восстановления программы без FL [2024-arxiv] [бумага]
ContrastRepair: улучшение автоматического восстановления программ на основе диалога с помощью пар контрастных тестовых примеров [2024-arxiv] [бумага]
Исследование потенциала предварительно обученных языковых моделей кода для автоматического восстановления программ [2024-Электроника] [бумага]
CigaR: Экономически эффективное восстановление программы с помощью LLM [2024-arxiv] [бумага] [репозиторий]
Проблема выбора фактов при восстановлении программ на основе LLM [2024-arxiv] [бумага] [репозиторий]
Новый подход к автоматическому восстановлению программ с использованием двустороннего перевода с большими языковыми моделями [2024-arxiv] [бумага] [репозиторий]
RepairAgent: автономный агент на базе LLM для восстановления программ [2024-arxiv] [бумага]
Глубокое погружение в большие языковые модели для автоматической локализации и исправления ошибок [2024-FSE/ESEC] [бумага]
Автоматизированное восстановление программ в эпоху больших предварительно обученных языковых моделей [2023-ICSE] [бумага] [репозиторий]
Ремонт близок к созданию: восстановление многоязычной программы с помощью LLM [2023-AAAI] [бумага]
Выбор подсказок на основе поиска для кратковременного обучения, связанного с кодом [2023-ICSE] [бумага] [репозиторий]
Что делает контекстные демонстрации для задач анализа кода с помощью llms хорошими? [2023-ASE] [бумага] [репозиторий]
Полностью автономное программирование с использованием больших языковых моделей [2023-GECCO] [бумага] [репозиторий]
Автоматизированное восстановление программ с использованием генеративных моделей для заполнения кода [2023-AIED] [бумага] [репозиторий]
STEAM: Моделирование интерактивного поведения программистов для автоматического исправления ошибок [2023-arxiv] [бумага]
Диалоговый автоматизированный ремонт программ [2023-архив] [бумага]
Является ли ChatGPT идеальным помощником по программированию? Насколько это далеко? [2023-arxiv] [бумага] [репозиторий]
Использование больших языковых моделей для локализации и исправления ошибок [2023-iCAST] [бумага]
Эмпирическое исследование тонкой настройки больших языковых моделей кода для автоматического восстановления программ [2023-ASE] [бумага] [репозиторий]
Оценка эффективности ChatGPT OpenAI для автоматического исправления ошибок в программах Python с использованием QuixBugs [2023-iSEMANTIC] [бумага]
Объяснимая автоматическая отладка с помощью научной отладки на основе моделей большого языка [2023-arxiv] [бумага]
Правильные подсказки для работы: устранение дефектов проверки кода с помощью большой языковой модели [2023-arxiv] [бумага]
Влияние моделей языка кода на автоматизированное восстановление программ [2023-ICSE] [бумага] [репозиторий]
На пути к созданию функционально правильных изменений кода на основе описаний проблем на естественном языке [2023-arxiv] [бумага]
Гипотеза пластической хирургии в эпоху больших языковых моделей [2023-ASE] [бумага] [репозиторий]
Исследование ограничений ChatGPT в приложениях безопасности программного обеспечения [2023-arxiv] [бумага]
CodeScope: многоязычный многозадачный многомерный тест на основе выполнения для оценки LLM по пониманию и генерации кода [2023-arxiv] [бумага] [репозиторий]
Улучшение автоматизированного восстановления программ посредством точной настройки и оперативного проектирования [2023-arxiv] [бумага] [репозиторий]
Языковые модели обучения для обратной связи при программировании с использованием средств автоматического восстановления [2023-AIED] [бумага] [репозиторий]
RepairLLaMA: эффективные представления и точно настроенные адаптеры для восстановления программ [2023-arxiv] [бумага] [репозиторий]
Автоматическое редактирование кода с помощью поиска-генерации-модификации [2023-arxiv] [бумага] [репозиторий]
RAP-Gen: Генерация исправлений с расширенным поиском с помощью CodeT5 для автоматического восстановления программ [2023-FSE/ESEC] [бумага] [репозиторий]
Восстановление нейронной программы с помощью анализа программных зависимостей и эффективного механизма фильтрации [2023-arxiv] [бумага]
Кофе: улучшите свой код LLM, исправляя ошибки с обратной связью [2023-arxiv] [бумага] [репозиторий]
Исследование «Быстрый дизайн, преимущества и ограничения ChatGPT для восстановления программ глубокого обучения» [2023-arxiv] [бумага]
Совместное пилотирование вторых пилотов: объединение больших языковых моделей с механизмами завершения для автоматического восстановления программ [2023-FSE/ESEC] [бумага] [репозиторий]
Гамма: пересмотр автоматического восстановления программ на основе шаблонов с помощью прогнозирования по маске [2023-ASE] [бумага] [репозиторий]
Обширное исследование архитектуры моделей и представления программ в области автоматизированного восстановления программ на основе обучения [апрель 2023 г.] [бумага] [репозиторий]
Улучшение автоматического восстановления программ с адаптацией домена [2023-TOSEM] [бумага] [репозиторий]
Улучшение моделей языка кода для восстановления программ с помощью платформы точной настройки учебных программ [2023-ICSME] [бумага]
Потенциальное использование ChatGPT для отладки и исправления ошибок [2023-] [бумага]
CIRCLE: Постоянное восстановление языков программирования [2022-ISSTA] [бумага] [репозиторий]
На пути к восстановлению программ JavaScript с помощью генеративного предварительно обученного преобразователя (GPT-2) [апрель 2022 г.] [бумага] [репозиторий]
Исправьте ошибки с Transformer с помощью нейронно-символической грамматики редактирования [2022-ICLR] [бумага]
Генерация исправлений с помощью языковых моделей: осуществимость и поведение масштабирования [2022-ICLR] [документ]
Может ли кодекс OpenAI исправлять ошибки?: оценка QuixBugs [апрель 2022 г.] [бумага]
Анализ эффективности автоматического исправления ошибок ChatGPT [апрель 2022 г.] [бумага] [репозиторий]
Меньше обучения, больше ремонта, пожалуйста: возвращение к автоматическому восстановлению программ с помощью нулевого обучения [2022-FSE/ESEC] [paer] [repo]
Оформление восстановления программы как завершение кода [апрель 2022 г.] [бумага] [репозиторий]
DEAR Новый подход на основе глубокого обучения для автоматического восстановления программ [2022-ICSE] [бумага] [репозиторий]
Генерация исправлений ошибок с использованием предварительно обученных трансформаторов [2021-PLDI] [бумага]
Применение CodeBERT для автоматического исправления простых ошибок Java в программах [2021-MSR] [бумага] [репозиторий]
Нейронный машинный перевод CURE с учетом кода для автоматического восстановления программ [2021-ICSE] [бумага] [репозиторий]
Как понять весь репозиторий программного обеспечения? [2024-arXiv] [бумага]
Автоматическое восстановление кода ИИ с помощью больших языковых моделей и формальной проверки [2024-arXiv] [бумага]
NAVRepair: устранение уязвимостей кода C/C++ с учетом типа узла [2024-arxiv] [бумага]
Расширенное автоматическое устранение уязвимостей кода с использованием больших языковых моделей [2024-arxiv] [бумага]
Вне поля зрения, вне памяти: лучшее автоматическое устранение уязвимостей за счет расширения входных диапазонов и источников [2024-ICSE] [бумага] [репозиторий]
Исследование устранения уязвимостей в программах JavaScript с большими языковыми моделями [2024-arxiv] [бумага] [репозиторий]
Цепочка мыслей на основе больших языковых моделей для обнаружения и устранения уязвимостей программного обеспечения [2024-arxiv] [бумага]
Автоматизированное устранение уязвимостей программного обеспечения на основе предварительно обученных моделей: как далеко мы продвинулись? [2023-TDSC] [бумага] [репозиторий]
Исследование устранения уязвимостей с нулевым выстрелом с помощью больших языковых моделей [2023-S&P] [бумага] [репозиторий]
Эмпирическое исследование тонкой настройки больших языковых моделей кода для автоматического восстановления программ [2023-ASE] [бумага] [репозиторий]
Новая эра в безопасности программного обеспечения: на пути к самовосстановлению программного обеспечения с помощью больших языковых моделей и формальной проверки [2023-arxiv] [бумага]
Исследование ограничений ChatGPT в приложениях безопасности программного обеспечения [2023-arxiv] [бумага]
ZeroLeak: использование LLM для масштабируемого и экономически эффективного исправления побочных каналов [2023-arxiv] [бумага]
Как ChatGPT решает проблему управления уязвимостями [2023-arxiv] [бумага] [репозиторий]
Насколько эффективны нейронные сети для устранения уязвимостей безопасности [2023-ISSTA] [бумага] [репозиторий]
Автоматизированное устранение уязвимостей на основе Vision Transformer [2023-TOSEM] [бумага] [репозиторий]
Могут ли большие языковые модели найти и исправить уязвимое программное обеспечение? [2023-архив] [бумага]
VulRepair: автоматическое устранение уязвимостей программного обеспечения на основе T5 [2022-FSE/ESEC] [бумага] [репозиторий]
Новый подход к автоматическому восстановлению программ с использованием двустороннего перевода с большими языковыми моделями [2024-arxiv] [бумага] [репозиторий]
Ремонт близок к созданию: восстановление многоязычной программы с помощью LLM [2023-AAAI] [бумага]
Исправление ошибок компиляции Rust с использованием LLM [2023-arxiv] [бумага]
Эмпирическое исследование тонкой настройки больших языковых моделей кода для автоматического восстановления программ [2023-ASE] [бумага] [репозиторий]
Цепочка решений на основе искусственного интеллекта для разрешения FQN и исправления синтаксических ошибок в частичном коде [2023-arxiv] [бумага] [репозиторий]
Правильные подсказки для работы: устранение дефектов проверки кода с помощью большой языковой модели [2023-arxiv] [бумага]
SYNSHINE: улучшенное исправление синтаксических ошибок [2022-TSE] [бумага] [репозиторий]
CraftRTL: высококачественная генерация синтетических данных для моделей кода Verilog с корректными по построению нетекстовыми представлениями и целевым восстановлением кода [2024-arXiv-NVIDIA] [бумага]
Унифицированный подход к отладке с помощью многоагентной синергии на основе LLM [2024-arXiv] [бумага] [репозиторий]
PyDex: исправление ошибок во вводных заданиях Python с использованием LLM [2024-OOPSLA] [бумага] [репозиторий]
DebugBench: оценка возможностей отладки больших языковых моделей [2024-arxiv] [бумага] [репозиторий]
ContrastRepair: улучшение автоматического восстановления программ на основе диалога с помощью пар контрастных тестовых примеров [2024-arxiv] [бумага]
ConDefects: новый набор данных для решения проблемы утечки данных для локализации неисправностей и восстановления программ на основе LLM [2024-arxiv] [бумага] [репозиторий]
Мастер восстановления с помощью коллег: расширение возможностей больших языковых моделей для исправления сложных заданий учащихся [2024-arxiv] [бумага]
Улучшенные методы восстановления программ с использованием рефакторинга с моделями GPT [2024-SIGCSE TS] [бумага] [репозиторий]
Критический обзор большой языковой модели разработки программного обеспечения: пример из чатгпт и автоматического восстановления программ [2023-arxiv] [бумага] [репо]
Автоматическое восстановление программ на основе больших языковых моделей [2023-ICSE] [бумага] [репозиторий]
FixEval: Оценка программных исправлений проблем программирования на основе выполнения [апрель 2023 г.] [бумага] [репозиторий]
Уточнение кода, сгенерированного ChatGPT: определение и устранение проблем с качеством кода [2023-TOSEM] [бумага] [репозиторий]
Исправление ошибок в назначениях Python с использованием больших языковых моделей [2022-arixv] [бумага]
Разочарованы проблемами качества кода? LLM может помочь! [2024-FSE/ESEC] [бумага] [репозиторий]
SkipAnalyzer: встроенный агент для анализа кода с помощью больших языковых моделей [2023-arxiv] [бумага] [репозиторий]
RAP-Gen: Генерация исправлений с расширенным поиском с помощью CodeT5 для автоматического восстановления программ [2023-FSE/ESEC] [бумага] [репозиторий]
InferFix: Комплексное восстановление программы с помощью LLM через подсказки с расширенным поиском [2023-FSE/ESEC] [бумага] [репозиторий]
Могут ли LLM исправлять проблемы безопасности [2023-arxiv] [бумага] [репозиторий]
Улучшение автоматического восстановления программ с адаптацией домена [2023-TOSEM] [бумага] [репозиторий]
Эмпирическое исследование восстановления программ на основе глубокого трансферного обучения для проектов Kotlin [2022-FSE/ESEC] [бумага]
TFix-Learning для исправления ошибок кодирования с помощью преобразователя текста в текст [2021-PMLR] [бумага] [репозиторий]
От кода к правильности: завершение последней мили генерации кода с помощью иерархической отладки [2024-arXiv] [бумага] [репозиторий]
Обучение самоотладке больших языковых моделей [2024-ICLR] [бумага]
OpenCodeInterpreter: интеграция генерации кода с выполнением и уточнением [2024-arxiv] [бумага] [репозиторий]
ЦИКЛ: Обучение самостоятельному совершенствованию генерации кода [2024-OOPSLA] [бумага] [репозиторий]
LDB: отладчик большой языковой модели с помощью пошаговой проверки выполнения во время выполнения [2024-arxiv] [бумага] [репозиторий]
Использование отладки печати для улучшения генерации кода в больших языковых моделях [2024-arxiv] [бумага]
SelfEvolve: платформа эволюции кода с помощью больших языковых моделей [2023-arxiv] [бумага]
Самоуточнение: итеративное уточнение с самообратной связью [2023-NeurIPS] [бумага] [репозиторий]
AgentCoder: генерация мультиагентного кода с итеративным тестированием и оптимизацией [2023-arxiv] [бумага]
Саморедактирование: редактор кода с учетом ошибок для генерации кода [2023-ACL] [бумага] [репозиторий]
Является ли самостоятельное восстановление серебряной пулей для генерации кода? [2023-ICLR] [бумага] [репозиторий]
Знания предметной области имеют значение: улучшение подсказок с помощью шаблонов исправлений для исправления ошибок типов Python [2024-ICSE] [бумага] [репозиторий]
PyTy: исправление ошибок статического типа в Python [2024-ICSE] [бумага] [репозиторий]
Отладка ошибок типа с помощью GPT-3: исследование использования больших языковых моделей для восстановления кода [2023-SLE] [бумага] [репозиторий]
Руководство ChatGPT по исправлению тестов веб-интерфейса посредством проверки согласованности объяснений [2023-arxiv] [бумага]
ACFIX: Руководство LLM с использованием общих практик RBAC для контекстно-зависимого устранения уязвимостей контроля доступа в смарт-контрактах [2024-arxiv] [бумага]
Оценка ChatGPT для исправления уязвимостей смарт-контрактов [2023-COMPSAC] [бумага] [репозиторий]
Об исправлении ошибок в коде аппаратной безопасности с помощью больших языковых моделей [2024-TIFS] [бумага] [репозиторий]
Препринт: Исправление ошибок аппаратной безопасности с помощью больших языковых моделей [2022-arXiv] [бумага]
HDLdebugger: оптимизация HDL-отладки с помощью больших языковых моделей [2024-arxiv] [бумага]
RTLFixer: автоматическое исправление синтаксических ошибок RTL с помощью больших языковых моделей [2023-arxiv] [бумага]
LLM4SecHW: использование предметно-ориентированной модели большого языка для отладки оборудования [2023-AsianHOST] [бумага]
RAPGen: подход к устранению неэффективности кода в Zero-Shot [2023-arxiv] [бумага]
DeepDev-PERF: подход на основе глубокого обучения для повышения производительности программного обеспечения [2022-FSE/ESEC] [бумага] [репозиторий]
Оценка предварительно обученных языковых моделей для устранения неправомерного использования API [2023-arxiv] [бумага] [репозиторий]
Устранение ошибок сбоя с помощью больших языковых моделей: эмпирическое исследование [2023-arxiv] [бумага] [репозиторий]
Автоматизированное восстановление тестовых примеров с использованием языковых моделей [2024-arxiv] [бумага]
Выявление и обновление тестовых случаев при изменении производственного кода: подход на основе трансформатора [2023-ASE]
Baldur: Полная генерация и исправление доказательств с помощью больших языковых моделей [2023-FSE/ESEC] [бумага]
Трудности перевода: исследование ошибок, возникающих в больших языковых моделях при переводе кода [2024-ICSE] [бумага] [репозиторий]
SWE-bench: могут ли языковые модели решить реальные проблемы GitHub? [2024-ICLR] [бумага] [репозиторий]
Изучение потенциала ChatGPT в автоматизированном уточнении кода: эмпирическое исследование [2024-ICSE] [бумага] [репозиторий]
DrPlanner: Диагностика и ремонт планировщиков движения с использованием больших языковых моделей [2024-arxiv] [бумага] [репозиторий]
Изучение опыта автоматического восстановления программ на практике [2024-ICSE] [бумага]
Возвращение к неестественности автоматического восстановления программ в эпоху больших языковых моделей [2024-arxiv] [бумага] [репо]
Эмпирическое исследование использования ChatGPT для исправления ошибок среди профессиональных разработчиков [2023-ITA] [документ]
Использование большой языковой модели для автоматической оценки правильности исправлений [2024-TSE] [бумага]
Повышение APPT автоматического прогнозирования корректности исправлений с помощью предварительно обученной языковой модели [2024-TSE] [бумага] [репозиторий]
Лучшее из обоих миров: сочетание изученных внедрений с инженерными функциями для точного прогнозирования правильных исправлений [2023-TOSME] [бумага] [репозиторий]
Инвалидатор: автоматическая оценка правильности исправлений с помощью семантического и синтаксического рассуждения [2023-TSE] [бумага] [репозиторий]
PatchZero: автоматическая оценка корректности исправлений с нулевым выстрелом [2023-arxiv] [бумага]
Является ли это изменение ответом на эту проблему? Сопоставление описаний ошибок и изменений кода для оценки корректности исправлений [2021-ASE] [бумага] [репозиторий]
Оценка обучения представлению изменений кода для прогнозирования корректности исправлений при восстановлении программ [2020-ASE] [бумага] [репозиторий]
Изучение эффективной настройки параметров большой языковой модели при автоматическом восстановлении программ [2024-ASE] [бумага]
MuBench: Сравнительный анализ автоматизированного восстановления программ: обширное исследование реальных и искусственных ошибок [2024-ISSTA] [бумага]
CodeEditorBench: оценка возможностей редактирования кода больших языковых моделей [2024-arxiv] [бумага] [репозиторий]
GitBug-Java: воспроизводимый тест последних ошибок Java [2024-arxiv] [бумага] [репозиторий]
SWE-bench: могут ли языковые модели решить реальные проблемы GitHub? [2024-ICLR] [бумага] [репозиторий]
DebugBench: оценка возможностей отладки больших языковых моделей [2024-arxiv] [бумага] [репозиторий]
ConDefects: новый набор данных для решения проблемы утечки данных для локализации неисправностей и восстановления программ на основе LLM [2024-arxiv] [бумага] [репозиторий]
Критический обзор большой языковой модели разработки программного обеспечения: пример из чатгпт и автоматического восстановления программ [2023-arxiv] [бумага] [репо]
CodeScope: многоязычный многозадачный многомерный тест на основе выполнения для оценки LLM по пониманию и генерации кода [2023-arxiv] [бумага] [репозиторий]
FixEval: Оценка программных исправлений проблем программирования на основе выполнения [апрель 2023 г.] [бумага] [репозиторий]
Обзор автоматизированного восстановления программ на основе обучения [2023-TOSEM] [бумага] [репозиторий]
Автоматическое восстановление программного обеспечения: библиография [2018-CSUR] документ]
Автоматическое восстановление программного обеспечения: обзор [документ 2017-TSE]]
