paperbot · PL 论文追踪

全部论文 待读 收藏

P2 CoCoNuT: combining context-aware neural translation models using ensemble for program repair

CoCoNuT：结合上下文感知神经翻译模型的集成方法用于程序修复
ISSTA Proceedings of the 29th ACM SIGSOFT International Symposium on Software Testing and Analysis2020匹配度 2/10 · 论文属于神经程序修复，与画像核心方向（LLM/Agent 改进静态分析/形式化验证、浮点程序分析、贝叶斯程序分析）无直接交集；仅共享机器学习与程序语言的交叉，且方法基于较早期的神经翻译模型而非当前 LLM/Agent。引用 344 inbox
Thibaud Lutellier, Hung Viet Pham, Lawrence Pang, Yitong Li, Moshi Wei, Lin Tan
测试、调试与修复机器学习与程序语言
crossref: 2026-09-12

AI 速览

一句话：提出 CoCoNuT，通过集成多个上下文感知的神经翻译模型来修复程序，克服传统 APR 依赖硬编码规则的局限。

自动生成-验证（GV）程序修复（APR）技术通常依赖硬编码规则，只能修复符合特定修复模式的缺陷，规则发现需大量人工，且难以适配不同编程语言。CoCoNuT 提出一种基于集成（ensemble）的方法，结合多个上下文感知的神经翻译模型进行程序修复。该方法利用神经翻译从上下文中学习修复模式，以数据驱动方式替代手工规则，旨在提高修复的通用性和跨语言能力。摘要未给出具体实验评估结果。

问题
传统自动程序修复（APR）依赖手工硬编码规则，只能修复特定模式的缺陷，且难以跨语言迁移。
方法
CoCoNuT 集成多个上下文感知的神经翻译模型来生成修复补丁。
评估
摘要未提及评估方式，无法概括实验设置与结果。
原文摘要（Abstract）

Automated generate-and-validate (GV) program repair techniques (APR) typically rely on hard-coded rules, thus only fixing bugs following specific fix patterns. These rules require a significant amount of manual effort to discover and it is hard to adapt these rules to different programming languages.

链接与引用

DOI 原文 ·

BibTeX 
@inproceedings{paperbot6076,
  title = {CoCoNuT: combining context-aware neural translation models using ensemble for program repair},
  author = {Thibaud Lutellier and Hung Viet Pham and Lawrence Pang and Yitong Li and Moshi Wei and Lin Tan},
  booktitle = {ISSTA},
  year = {2020},
  doi = {10.1145/3395363.3397369}
}