paperbot · PL 论文追踪

全部论文 待读 收藏

标签：测试、调试与修复（共 2716 篇，按优先级展示前 200）

P0 Detecting floating-point errors via atomic conditions
通过原子条件检测浮点误差
提出基于原子条件数的动态分析，高效搜索触发大浮点误差的程序输入。
POPL 4(POPL)2019匹配度 9/10引用 44程序分析与抽象解释测试、调试与修复
P0 Efficient generation of error-inducing floating-point inputs via symbolic execution
基于符号执行的高效浮点误差诱导输入生成
将生成高误差浮点输入建模为覆盖最大化问题，用符号执行实现工具 FPGen 并高效触发大误差。
ICSE Proceedings of the ACM/IEEE 42nd International Conference on Software Engineering2020匹配度 9/10引用 28程序分析与抽象解释测试、调试与修复
P0 Fast shadow execution for debugging numerical errors using error free transformations
使用无误差变换的快速影子执行以调试数值错误
提出 EFTSanitizer，用无误差变换作为 oracle 快速影子执行，检测并调试数值误差。
OOPSLA 6(OOPSLA2)2022匹配度 9/10引用 12测试、调试与修复
P0 AutoCodeRover: Autonomous Program Improvement
AutoCodeRover：自主程序改进
结合 LLM 与基于 AST 的代码搜索及频谱故障定位，自动解决 GitHub issue 并生成补丁。
ISSTA Proceedings of the 33rd ACM SIGSOFT International Symposium on Software Testing and Analysis2024匹配度 8/10引用 142机器学习与程序语言测试、调试与修复
P0 Efficient automated repair of high floating-point errors in numerical libraries
数值库中高浮点误差的高效自动修复
利用数值程序的数学特性检测并修复高浮点误差，工具 AutoRNP 在 GSL 的 20 个程序中修复了 19 个。
POPL 3(POPL)2019匹配度 8/10引用 48测试、调试与修复程序分析与抽象解释
P0 Just fuzz it: solving floating-point constraints using coverage-guided fuzzing
Just fuzz it：使用覆盖率引导模糊测试求解浮点约束
提出将 SMT 公式编码为程序并用覆盖率引导模糊测试求解，特别针对浮点约束，实现 JFS 工具。
FSE Proceedings of the 2019 27th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2019匹配度 8/10引用 37逻辑与约束编程测试、调试与修复
P0 FPCC: Detecting Floating-Point Errors via Chain Conditions
FPCC：基于链条件检测浮点误差
提出链条件引导搜索触发浮点误差的输入，实现工具FPCC，显著优于ATOMU。
OOPSLA 8(OOPSLA2)2024匹配度 8/10引用 8测试、调试与修复
P0 PredicateFix: Repairing Static Analysis Alerts with Bridging Predicates
PredicateFix：用桥接谓词修复静态分析告警
利用分析规则中的谓词检索关键样例，构建 RAG 流水线自动修复静态分析告警，显著提升 LLM 修复正确率。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 8/10引用 6测试、调试与修复机器学习与程序语言
P0 Accurate Residues for Floating-Point Debugging
面向浮点调试的精确残差计算
通过改进无误差变换的残差计算并提出多次重执行的 residue override，在保持效率的同时大幅减少浮点调试误报。
OOPSLA 10(OOPSLA2)2026匹配度 8/10测试、调试与修复
P0 Checking Unsupervised Learning for Nondeterminism and Inconsistency via SMT Solving
通过 SMT 求解检查无监督学习中的非确定性与不一致性
提出 Ocelot，将无监督学习实现中的非确定性与不一致性检查归约为 Z3 可满足性求解，并生成见证数据集以复现错误。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 8/10机器学习与程序语言测试、调试与修复
P0 PAGENT: Learning to Patch Software Engineering Issue Fixing Agents
PAGENT：学习修补软件工程问题修复智能体
系统研究 LLM 问题修复智能体的失败模式，并提出类型感知的后处理代理 PAGENT 修复错误补丁。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 8/10机器学习与程序语言测试、调试与修复
P1 Debugging with intelligence via probabilistic inference
基于概率推断的智能调试
提出概率推断调试技术，融合人类推理与程序语义以定位最可能故障语句。
ICSE Proceedings of the 40th International Conference on Software Engineering2018匹配度 7/10引用 21测试、调试与修复机器学习与程序语言
P1 FPChecker: Detecting Floating-Point Exceptions in GPU Applications
FPChecker：检测 GPU 应用中的浮点异常
提出首个自动检测 GPU 应用中浮点异常的工具 FPChecker，通过编译器插桩在运行时报告异常位置。
ASE 2019 34th IEEE/ACM International Conference on Automated Software Engineering (ASE)2019匹配度 7/10引用 15测试、调试与修复
P1 Locus: Agentic Predicate Synthesis for Directed Fuzzing
Locus：面向定向模糊测试的 Agentic 谓词合成
提出 Locus，用智能体合成中间状态谓词引导定向模糊测试，平均加速 41.6 倍并发现 9 个新漏洞。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 7/10引用 13测试、调试与修复机器学习与程序语言
P1 Reflective Unit Test Generation for Precise Type Error Detection with Large Language Models
面向精确类型错误检测的大语言模型反射式单元测试生成
提出 rTED，用类型约束分析与反射验证引导 LLM 生成单元测试，精准检测 Python 类型错误并降低误报。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 7/10引用 3测试、调试与修复机器学习与程序语言
P1 REAP: Automatic Curation of Coding Agent Benchmarks from Interactive Production Usage
REAP：从交互式生产使用中自动整理编码智能体基准
提出 REAP 自动化流水线，从真实开发者-智能体会话构建可执行、可复现的生产分布基准 Harvest。
ASE Proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering2026匹配度 7/10引用 2机器学习与程序语言测试、调试与修复
P1 DafnyRAG: A Retrieval-Augmented and Verification-Driven Tool for Automated Repair of Dafny Code
DafnyRAG：一个检索增强与验证驱动的 Dafny 代码自动修复工具
提出结合形式验证反馈与检索增强生成来迭代修复 Dafny 代码并提升形式规约准确性的工具。
ASE Proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering2026匹配度 7/10引用 1测试、调试与修复机器学习与程序语言
P1 Prosecutor: Bayesian Counterfactual Fault Localization
Prosecutor：贝叶斯反事实故障定位
提出误差传播图与反事实实验的贝叶斯故障定位方法，在 Defects4J 上显著优于基线。
OOPSLA 10(OOPSLA2)2026匹配度 7/10引用 1测试、调试与修复
P1 Testing Deep Learning Libraries via Neurosymbolic Constraint Learning
通过神经符号约束学习测试深度学习库
提出神经符号约束学习技术 Centaur，从种子输入学习 DL API 约束，用 SMT 生成有效多样测试并发现新缺陷。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 7/10引用 1测试、调试与修复机器学习与程序语言逻辑与约束编程
P1 Triton-Sanitizer: A Fast and Device-Agnostic Memory Sanitizer for Triton with Rich Diagnostic Context
Triton-Sanitizer：面向 Triton 的快速且设备无关的内存 Sanitizer，具备丰富的诊断上下文
首个面向 Triton 的设备无关内存 Sanitizer，以符号执行加 SMT 求解替代逐访问插桩，检测精确且诊断信息丰富。
ASPLOS Proceedings of the 31st ACM International Conference on Architectural Support for Programming Languages and Operating Systems, Volume 22026匹配度 7/10引用 1程序分析与抽象解释测试、调试与修复
P1 AutoCodeRover: Agentic Program Repair for SonarQube Issues
AutoCodeRover：面向 SonarQube 问题的智能体程序修复
将 AutoCodeRover 程序改进智能体适配为 SonarQube 修复智能体，自动为静态分析问题生成补丁并接入 PR 审查流程。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 7/10引用 1机器学习与程序语言测试、调试与修复
P1 Interval constraint-based mutation testing of numerical specifications
面向数值规约的基于区间约束的变异测试
提出 Magneto，用区间约束满足自动生成数值规约的测试与 oracle，检测浮点代码的精度、鲁棒性与功能缺陷。
ISSTA Proceedings of the 30th ACM SIGSOFT International Symposium on Software Testing and Analysis2021匹配度 7/10引用 1测试、调试与修复逻辑与约束编程
P1 DR.FIX: Automatically Fixing Data Races at Industry Scale
DR.FIX：在工业规模下自动修复数据竞争
提出 Dr.Fix，结合 LLM 与程序分析在 Go 中自动修复数据竞争，并在 Uber 大规模部署验证。
PLDI 9(PLDI)2025匹配度 7/10引用 1测试、调试与修复机器学习与程序语言
P1 Unsupervised Approaches to Futile Cycle Detection in AI Agents
AI 智能体中徒劳循环（futile cycle）检测的无监督方法
提出智能体执行轨迹中“徒劳循环”的概念，并用结构加语义的无监督混合方法检测，F1 达 0.72。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 7/10机器学习与程序语言测试、调试与修复
P1 Holmes: Multimodal Agentic Diagnosis for Mixed-Language Mobile Crashes at Industrial Scale
Holmes：面向工业规模混合语言移动崩溃的多模态智能体诊断
多智能体系统 Holmes 利用多模态运行时信号，在无复现条件下对工业级混合语言移动崩溃做根因定位。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 7/10机器学习与程序语言测试、调试与修复
P1 InferFix: End-to-End Program Repair with LLMs
InferFix：基于大语言模型的端到端程序修复
提出 InferFix，结合静态分析器与检索增强的微调 LLM，实现安全与性能缺陷的端到端自动修复。
FSE Proceedings of the 31st ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering2023匹配度 6/10引用 347测试、调试与修复机器学习与程序语言
P1 Concolic testing for deep neural networks
面向深度神经网络的 Concolic 测试
提出首个面向深度神经网络的Concolic测试方法，以线性算术表达测试需求，提升覆盖率并发现对抗样本。
ASE Proceedings of the 33rd ACM/IEEE International Conference on Automated Software Engineering2018匹配度 6/10引用 332测试、调试与修复机器学习与程序语言
P1 WhiteFox: White-Box Compiler Fuzzing Empowered by Large Language Models
WhiteFox：由大语言模型赋能的白盒编译器模糊测试
提出首个利用 LLM 与编译器源码信息的白盒编译器模糊测试器 WhiteFox，用于检测深度学习编译器的深层逻辑缺陷。
OOPSLA 8(OOPSLA2)2024匹配度 6/10引用 95机器学习与程序语言测试、调试与修复
P1 SWE-Debate: Competitive Multi-Agent Debate for Software Issue Resolution
SWE-Debate：面向软件问题解决的竞争性多智能体辩论
提出竞争性多智能体辩论框架 SWE-Debate，通过故障传播轨迹与三轮辩论实现更统一的缺陷定位与补丁生成。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 6/10引用 64机器学习与程序语言测试、调试与修复
P1 How Effective Are They? Exploring Large Language Model Based Fuzz Driver Generation
它们有多有效？探索基于大语言模型的模糊测试驱动器生成
首个系统性实证研究：大规模评测 LLM 生成 fuzz driver 的有效性、提示策略与工业界差距。
ISSTA Proceedings of the 33rd ACM SIGSOFT International Symposium on Software Testing and Analysis2024匹配度 6/10引用 35机器学习与程序语言测试、调试与修复
P1 DeepStability
DeepStability：深度学习中的数值稳定性问题与解决方案数据库
分析 PyTorch 与 TensorFlow 的数值不稳定问题，建立首个深度学习数值稳定性问题与解决方案数据库。
ICSE Proceedings of the 44th International Conference on Software Engineering2022匹配度 6/10引用 34机器学习与程序语言测试、调试与修复
P1 SMT Solver Validation Empowered by Large Pre-Trained Language Models
大型预训练语言模型赋能的 SMT 求解器验证
提出 LasT，用重训练-微调与数据增强驱动 LLM 生成 SMT 公式来模糊测试求解器，发现 65 个真实缺陷。
ASE 2023 38th IEEE/ACM International Conference on Automated Software Engineering (ASE)2023匹配度 6/10引用 22测试、调试与修复机器学习与程序语言
P1 Automatically testing implementations of numerical abstract domains
自动测试数值抽象域的实现
针对数值抽象域实现难以测试的问题，研究自动测试方法以保障静态分析的可靠性与精度。
ASE Proceedings of the 33rd ACM/IEEE International Conference on Automated Software Engineering2018匹配度 6/10引用 22程序分析与抽象解释测试、调试与修复
P1 SpecRover: Code Intent Extraction via LLMs
SpecRover：利用 LLM 进行代码意图提取
提出 SpecRover，一种基于 LLM 智能体的迭代规约推断与代码搜索工作流，显著提升自动程序修复效果并降低成本。
ICSE 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE)2025匹配度 6/10引用 19机器学习与程序语言测试、调试与修复
P1 Parallel shadow execution to accelerate the debugging of numerical errors
并行影子执行加速数值误差的调试
提出并行影子执行方法，用多核以更高精度模拟浮点计算，从而高效调试数值误差。
FSE Proceedings of the 29th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2021匹配度 6/10引用 19测试、调试与修复
P1 Demystifying and Detecting Misuses of Deep Learning APIs
揭示并检测深度学习 API 的误用
首个针对 TensorFlow 与 PyTorch 的深度学习 API 误用大规模实证研究，并提出基于 LLM 的检测与修复方法 LLMAPIDet。
ICSE Proceedings of the IEEE/ACM 46th International Conference on Software Engineering2024匹配度 6/10引用 17机器学习与程序语言测试、调试与修复
P1 Reliability Assurance for Deep Neural Network Architectures Against Numerical Defects
面向数值缺陷的深度神经网络架构可靠性保障
提出 RANUM，首个既能用失败测试确认 DNN 潜在数值缺陷可行性、又能自动生成修复的方法，在 63 个真实架构上优于现有方法。
ICSE 2023 IEEE/ACM 45th International Conference on Software Engineering (ICSE)2023匹配度 6/10引用 15机器学习与程序语言测试、调试与修复
P1 Making symbolic execution promising by learning aggressive state-pruning strategy
通过学习激进状态剪枝策略提升符号执行效果
提出 HOMI，用学习驱动的激进状态剪枝只保留少量有前景状态，显著提升符号执行的覆盖率与缺陷发现能力。
FSE Proceedings of the 28th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2020匹配度 6/10引用 13测试、调试与修复机器学习与程序语言
P1 RustAssistant: Using LLMs to Fix Compilation Errors in Rust Code
RustAssistant：使用LLM修复Rust代码中的编译错误
用提示技术与LLM-编译器迭代自动修复Rust编译错误，峰值准确率约74%。
ICSE 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE)2025匹配度 6/10引用 10机器学习与程序语言测试、调试与修复
P1 Oracle-free repair synthesis for floating-point programs
面向浮点程序的无 Oracle 修复合成
提出基于微结构的动态无 Oracle 方法，自动合成修复以显著降低浮点程序数值误差。
OOPSLA 6(OOPSLA2)2022匹配度 6/10引用 9测试、调试与修复
P1 Watson: A Cognitive Observability Framework for the Reasoning of LLM-Powered Agents
Watson：面向 LLM 智能体推理的认知可观测性框架
提出认知可观测性概念与 Watson 框架，用提示归因回溯推断 LLM 智能体的推理轨迹，以支持调试与纠正。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 6/10引用 6机器学习与程序语言测试、调试与修复
P1 Semantic-Based Neural Network Repair
基于语义的神经网络修复
提出基于深度学习层可执行语义的自动修复方法，递归搜索全局最小修改以修复错误神经网络。
ISSTA Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis2023匹配度 6/10引用 6机器学习与程序语言测试、调试与修复
P1 Finding Property Violations through Network Falsification: Challenges, Adaptations and Lessons Learned from OpenPilot
通过网络证伪发现属性违反：来自 OpenPilot 的挑战、适配与经验教训
将先进证伪器用于 OpenPilot 的 DNN，揭示真实自动驾驶网络证伪的挑战、工程适配与经验。
ASE Proceedings of the 37th IEEE/ACM International Conference on Automated Software Engineering2022匹配度 6/10引用 5测试、调试与修复机器学习与程序语言
P1 TestWeaver: Execution-aware, Feedback-driven Regression Testing Generation with Large Language Models
TestWeaver：执行感知、反馈驱动的大语言模型回归测试生成
结合轻量程序分析与 LLM，通过后向切片、相似测试用例和执行内联标注生成回归测试，缓解覆盖率停滞。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 6/10引用 4测试、调试与修复机器学习与程序语言
P1 Precise Data-Driven Approximation for Program Analysis via Fuzzing
基于模糊测试的程序分析精确数据驱动近似
提出 PSP，用 fuzzing 样本概率近似可达状态，提升抽象解释与符号执行精度并辅助修复排序。
ASE 2023 38th IEEE/ACM International Conference on Automated Software Engineering (ASE)2023匹配度 6/10引用 4程序分析与抽象解释测试、调试与修复
P1 B4: Towards Optimal Assessment of Plausible Code Solutions with Plausible Tests
B4：面向似真代码解与似真测试的最优评估
提出贝叶斯框架下用似真测试选择最佳代码解的最优策略及其可计算近似 B4。
ASE Proceedings of the 39th IEEE/ACM International Conference on Automated Software Engineering2024匹配度 6/10引用 3机器学习与程序语言测试、调试与修复
P1 SAINT: Service-level Integration Test Generation with Program Analysis and LLM-based Agents
SAINT：结合程序分析与LLM智能体的服务级集成测试生成
提出SAINT，用静态分析构建端点模型与操作依赖图，并借助LLM智能体自动生成企业Java服务级测试。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 6/10引用 2测试、调试与修复机器学习与程序语言
P1 Automated Testing of COBOL to Java Transformation
COBOL 到 Java 转换的自动化测试
提出基于符号执行的测试框架，自动验证 LLM 翻译所得 Java 代码与原始 COBOL 的功能等价性。
FSE Proceedings of the 33rd ACM International Conference on the Foundations of Software Engineering2025匹配度 6/10引用 2测试、调试与修复机器学习与程序语言
P1 Knowledge-Enhanced Program Repair for Data Science Code
面向数据科学代码的知识增强程序修复
提出DSrepair，用知识图谱RAG增强LLM修复数据科学代码缺陷，显著提升修复率并减少token消耗。
ICSE 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE)2025匹配度 6/10引用 2测试、调试与修复机器学习与程序语言
P1 INTENTFIX: Automated Logic Vulnerability Repair via LLM-Driven Intent Modeling
INTENTFIX：通过 LLM 驱动的意图建模实现逻辑漏洞自动修复
提出 INTENTFIX，用 LLM 将开发者意图形式化为模型，差分定位语义缺口并自动合成补丁修复逻辑漏洞。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 6/10引用 1测试、调试与修复机器学习与程序语言
P1 Just-in-Time Catching Test Generation at Meta
Meta 的即时捕捉测试生成
提出即时捕捉测试生成，利用代码变更感知与 LLM 筛选生成会失败的测试，在合入前暴露缺陷并降低误报审查负担。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 6/10引用 1测试、调试与修复机器学习与程序语言
P1 A Characterization Study of Bugs in LLM Agent Workflow Orchestration Frameworks
LLM 智能体工作流编排框架中的缺陷特征研究
首个针对 LLM 智能体框架缺陷的大规模实证研究，给出九类根因与六类症状的分类体系。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 6/10引用 1机器学习与程序语言测试、调试与修复
P1 A Bayesian Framework for Automated Debugging
自动化调试的贝叶斯框架
提出统一刻画故障定位与自动程序修复的贝叶斯框架，并据此实现利用程序中间值的补丁排序技术 BAPP。
ISSTA Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis2023匹配度 6/10引用 1测试、调试与修复程序合成
P1 Fuzzing Guided by Bayesian Program Analysis
贝叶斯程序分析引导的模糊测试
提出贝叶斯程序分析引导的目标导向灰盒模糊测试，通过可达目标预测与反馈更新提升漏洞发现能力。
POPL 10(POPL)2026匹配度 6/10引用 1测试、调试与修复程序分析与抽象解释
P1 Abductive Reasoning for Neurosymbolic Fault Localization
面向神经符号故障定位的溯因推理
提出 HypoDeduce，用溯因推理生成并评估竞争假设，缓解 LLM 故障定位早期剪枝备选假设的问题。
ICSE Proceedings of the IEEE/ACM 48th International Conference on Software Engineering2026匹配度 6/10测试、调试与修复机器学习与程序语言
P1 Code Wars: Adversarial Self-Play for Evolving Software Validation Tools
Code Wars：面向软件验证工具演化的对抗性自博弈
提出三个LLM智能体攻防审对抗自博弈，提升软件验证与技术债检测准确率。
ICSE Proceedings of the IEEE/ACM 48th International Conference on Software Engineering2026匹配度 6/10机器学习与程序语言测试、调试与修复
P1 A Localization Framework for Reasoning Faults in LLM-based Code Agents
LLM代码智能体推理故障定位框架
提出APPS-Failure-DB数据集与工具辅助定位框架，将LLM代码智能体的推理失败日志关联到代码故障。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 6/10机器学习与程序语言测试、调试与修复
P1 From Helpful to Trustworthy: LLM Agents for Pair Programming
从有用到可信：用于结对编程的 LLM 智能体
提出对多智能体 LLM 结对编程的系统研究，通过外化意图与工具迭代验证，使生成工件可信、可审计且易维护。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 6/10机器学习与程序语言测试、调试与修复
P1 When Control Flows Deviate: Directed Grey-box Fuzzing with Probabilistic Reachability Analysis
当控制流偏离：基于概率可达性分析的定向灰盒模糊测试
提出面向COTS二进制的定向灰盒模糊测试工具BinGo，用贝叶斯概率可达性应对不精确CFG，提升目标可达与漏洞发现。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 6/10测试、调试与修复程序分析与抽象解释
P1 BitsAI-Fix: LLM-Driven Approach for Automated Lint Error Resolution in Practice
BitsAI-Fix：面向实践的LLM驱动自动化lint错误修复方法
提出基于LLM的自动化lint修复工作流，结合渐进式强化学习与规则奖励，在字节跳动大规模落地并达到约85%修复准确率。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 6/10机器学习与程序语言测试、调试与修复
P1 Large Language Models are Few-shot Testers: Exploring LLM-based General Bug Reproduction
大语言模型是少样本测试者：探索基于LLM的通用缺陷复现
提出Libro框架，利用大语言模型从通用缺陷报告中生成复现测试，并通过后处理与排序提升有效性。
ICSE 2023 IEEE/ACM 45th International Conference on Software Engineering (ICSE)2023匹配度 5/10引用 336测试、调试与修复机器学习与程序语言
P1 An empirical study on TensorFlow program bugs
TensorFlow 程序缺陷的实证研究
通过 StackOverflow 与 GitHub 数据揭示 TensorFlow 程序缺陷的根因、症状及检测定位策略。
ISSTA Proceedings of the 27th ACM SIGSOFT International Symposium on Software Testing and Analysis2018匹配度 5/10引用 316测试、调试与修复机器学习与程序语言
P1 Automated Repair of Programs from Large Language Models
自动修复大型语言模型生成的程序
系统研究自动程序修复技术能否修复大型语言模型（如 Codex）在编程竞赛中生成的错误代码。
ICSE 2023 IEEE/ACM 45th International Conference on Software Engineering (ICSE)2023匹配度 5/10引用 213测试、调试与修复机器学习与程序语言
P1 Fuzz4All: Universal Fuzzing with Large Language Models
Fuzz4All：基于大语言模型的通用模糊测试
提出 Fuzz4All，首个以 LLM 为输入生成与变异引擎、可跨多种输入语言通用的模糊测试器。
ICSE Proceedings of the IEEE/ACM 46th International Conference on Software Engineering2024匹配度 5/10引用 186测试、调试与修复机器学习与程序语言
P1 DeepStellar: model-based quantitative analysis of stateful deep learning systems
DeepStellar：有状态深度学习系统的基于模型定量分析
提出将 RNN 抽象为状态转移系统，并设计相似度度量与覆盖准则，用于对抗样本检测和覆盖引导测试生成。
FSE Proceedings of the 2019 27th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2019匹配度 5/10引用 177测试、调试与修复机器学习与程序语言
P1 Audee
Audee：深度学习框架测试与缺陷定位
提出基于搜索的深度学习框架测试与缺陷定位方法 Audee，可检测逻辑错误、崩溃和 NaN 错误。
ASE Proceedings of the 35th IEEE/ACM International Conference on Automated Software Engineering2020匹配度 5/10引用 89测试、调试与修复机器学习与程序语言
P1 Mutation-Guided LLM-based Test Generation at Meta
Meta 的变异引导式 LLM 测试生成
提出 ACH：用变异引导 LLM 为特定问题生成少量高价值测试，并在 Meta 工业规模验证。
FSE Proceedings of the 33rd ACM International Conference on the Foundations of Software Engineering2025匹配度 5/10引用 60测试、调试与修复机器学习与程序语言
P1 Are “Solved Issues” in SWE-bench Really Solved Correctly? An Empirical Study
SWE-bench 中的“Solved Issues”真的被正确解决了吗？一项实证研究
通过差分补丁测试揭示 SWE-bench 验证机制会高估自动问题解决工具的解决率，并导致错误补丁被判正确。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 55测试、调试与修复机器学习与程序语言
P1 Domain Knowledge Matters: Improving Prompts with Fix Templates for Repairing Python Type Errors
领域知识至关重要：利用修复模板改进提示以修复 Python 类型错误
提出用类型错误修复模板增强提示，将领域知识注入代码预训练模型，以自动修复 Python 类型错误。
ICSE Proceedings of the IEEE/ACM 46th International Conference on Software Engineering2024匹配度 5/10引用 46测试、调试与修复机器学习与程序语言
P1 LLM-based Agents for Automated Bug Fixing: How Far Are We?
基于 LLM 的自动缺陷修复智能体：我们离目标还有多远？
在 SWE-bench Verified 上系统评测六个 LLM 缺陷修复智能体，剖析其能力边界与性能差异来源。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 42测试、调试与修复机器学习与程序语言
P1 The Plastic Surgery Hypothesis in the Era of Large Language Models
大型语言模型时代的整形手术假设
提出 FitRepair，以微调和检索/静态分析提示将整形手术假设引入 LLM 自动程序修复。
ASE 2023 38th IEEE/ACM International Conference on Automated Software Engineering (ASE)2023匹配度 5/10引用 42测试、调试与修复机器学习与程序语言
P1 ACETest: Automated Constraint Extraction for Testing Deep Learning Operators
ACETest：面向深度学习算子测试的自动约束提取
提出 ACETest，从深度学习算子代码自动提取输入校验约束，生成有效且多样的测试用例以暴露核心逻辑缺陷。
ISSTA Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis2023匹配度 5/10引用 36测试、调试与修复机器学习与程序语言
P1 LLM Test Generation via Iterative Hybrid Program Analysis
基于迭代混合程序分析的 LLM 测试生成
Panta 通过静态控制流与动态覆盖率的迭代反馈引导 LLM 生成测试，显著提升覆盖率。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 32测试、调试与修复机器学习与程序语言程序分析与抽象解释
P1 A Comprehensive Study of Real-World Bugs in Machine Learning Model Optimization
机器学习模型优化中真实世界缺陷的综合研究
首个针对机器学习模型优化缺陷（MOBs）的大规模实证研究，基于 TensorFlow 与 PyTorch 的 371 个缺陷刻画其症状、根因与修复。
ICSE 2023 IEEE/ACM 45th International Conference on Software Engineering (ICSE)2023匹配度 5/10引用 29测试、调试与修复机器学习与程序语言
P1 Assessing Robustness of ML-Based Program Analysis Tools using Metamorphic Program Transformations
使用变形程序变换评估基于机器学习的程序分析工具的鲁棒性
提出 LAMPION 框架，用保语义的变形程序变换探测 ML 程序分析模型的鲁棒性，并揭示 CodeBERT 的脆弱行为。
ASE 2021 36th IEEE/ACM International Conference on Automated Software Engineering (ASE)2021匹配度 5/10引用 28机器学习与程序语言测试、调试与修复
P1 Storm: program reduction for testing and debugging probabilistic programming systems
Storm：面向概率编程系统测试与调试的程序归约
提出 Storm，通过程序归约帮助定位概率程序在概率编程系统中引发失败的代码片段。
FSE Proceedings of the 2019 27th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2019匹配度 5/10引用 27量子与概率编程测试、调试与修复
P1 DeepAtash: Focused Test Generation for Deep Learning Systems
DeepAtash：面向深度学习系统的聚焦测试生成
提出基于搜索的聚焦测试方法 DeepAtash，针对特征空间指定单元生成误行为输入以缓解 dev2op 数据漂移。
ISSTA Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis2023匹配度 5/10引用 25测试、调试与修复机器学习与程序语言
P1 GenCoG: A DSL-Based Approach to Generating Computation Graphs for TVM Testing
GenCoG：一种基于 DSL 的 TVM 测试计算图生成方法
提出 GenCoG，用 DSL 描述算子类型约束并通过混合执行求解，增量生成有效且高表达力的计算图以测试 TVM。
ISSTA Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis2023匹配度 5/10引用 23领域特定语言与建模测试、调试与修复机器学习与程序语言
P1 Almost correct invariants: synthesizing inductive invariants by fuzzing proofs
几乎正确的不变式：通过对证明进行模糊测试来合成归纳不变式
提出 Achar，用主动学习提出候选不变式，并以模糊测试反证之，从而为含不可解释操作的开放程序合成归纳不变式。
ISSTA Proceedings of the 31st ACM SIGSOFT International Symposium on Software Testing and Analysis2022匹配度 5/10引用 20程序验证测试、调试与修复
P1 Mining assumptions for software components using machine learning
使用机器学习挖掘软件组件的环境假设
提出 EPIcuRus，结合搜索测试、决策树学习与模型检测，自动为软件组件合成环境假设。
FSE Proceedings of the 28th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2020匹配度 5/10引用 19程序验证测试、调试与修复机器学习与程序语言
P1 PyTy: Repairing Static Type Errors in Python
PyTy：修复 Python 中的静态类型错误
提出 PyTy，首个基于学习的 Python 静态类型错误自动修复技术，利用跨语言迁移学习并在真实错误上达 85.4% 修复率。
ICSE Proceedings of the IEEE/ACM 46th International Conference on Software Engineering2024匹配度 5/10引用 18测试、调试与修复机器学习与程序语言
P1 PolyJuice: Detecting Mis-compilation Bugs in Tensor Compilers with Equality Saturation Based Rewriting
PolyJuice：基于等价饱和重写的张量编译器误编译缺陷检测
提出 PolyJuice，用等价饱和生成语义等价的多样计算图，通过差异测试发现张量编译器的误编译缺陷。
OOPSLA 8(OOPSLA2)2024匹配度 5/10引用 17编译与代码生成测试、调试与修复
P1 Large Language Models for Equivalent Mutant Detection: How Far Are We?
大语言模型用于等价变异体检测：我们进展到哪了？
首个针对等价变异体检测的系统实证研究，表明 LLM 显著优于现有技术，平均 F1 提升 35.69%。
ISSTA Proceedings of the 33rd ACM SIGSOFT International Symposium on Software Testing and Analysis2024匹配度 5/10引用 16测试、调试与修复机器学习与程序语言
P1 Design by Contract for Deep Learning APIs
深度学习 API 的契约式设计
提出 DL Contract，为深度学习库引入契约式设计，支持指定模型架构、数据与训练过程属性，在开发阶段检测缺陷。
FSE Proceedings of the 31st ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering2023匹配度 5/10引用 16机器学习与程序语言测试、调试与修复
P1 An Empirical Study on Numerical Bugs in Deep Learning Programs
深度学习程序中数值错误的实证研究
首次对深度学习程序中的数值错误开展大规模实证研究，收集400个错误并按根因归为九类。
ASE Proceedings of the 37th IEEE/ACM International Conference on Automated Software Engineering2022匹配度 5/10引用 16测试、调试与修复机器学习与程序语言
P1 LPR: Large Language Models-Aided Program Reduction
LPR：大语言模型辅助的程序约简
提出首个LLM辅助的跨语言程序缩减技术LPR，结合通用缩减器与语言语义变换，比Vulcan生成更小程序。
ISSTA Proceedings of the 33rd ACM SIGSOFT International Symposium on Software Testing and Analysis2024匹配度 5/10引用 14机器学习与程序语言测试、调试与修复
P1 Compatibility Issues in Deep Learning Systems: Problems and Opportunities
深度学习系统中的兼容性问题：问题与机遇
首个系统性实证研究，刻画深度学习系统兼容性问题的类型、成因、修复策略及自动化检测修复工具现状。
FSE Proceedings of the 31st ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering2023匹配度 5/10引用 14机器学习与程序语言测试、调试与修复
P1 Beyond Final Code: A Process-Oriented Error Analysis of Software Development Agents in Real-World GitHub Scenarios
超越最终代码：真实 GitHub 场景中软件开发智能体的过程导向错误分析
对 SWE-Bench 上 8 个智能体的求解轨迹与测试日志做过程导向错误分析，揭示执行错误与修复成功率的关系。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 13机器学习与程序语言测试、调试与修复
P1 BUGSC++: A Highly Usable Real World Defect Benchmark for C/C++
BUGSC++：一个高可用性的 C/C++ 真实世界缺陷基准
提出 BUGSC++：含 209 个 C/C++ 真实缺陷、高可用且可复现的调试与修复基准。
ASE 2023 38th IEEE/ACM International Conference on Automated Software Engineering (ASE)2023匹配度 5/10引用 13测试、调试与修复
P1 Discovering discrepancies in numerical libraries
发现数值库中的不一致
提出 FPDiff，自动发现不同数值库中的同义函数，并通过差分测试定位结果不一致与缺陷。
ISSTA Proceedings of the 29th ACM SIGSOFT International Symposium on Software Testing and Analysis2020匹配度 5/10引用 13测试、调试与修复
P1 Towards Understanding the Effectiveness of Large Language Models on Directed Test Input Generation
探究大语言模型在定向测试输入生成上的有效性
系统实证比较 LLM 提示方法与基于约束的符号执行在定向测试输入生成上的效果与局限。
ASE Proceedings of the 39th IEEE/ACM International Conference on Automated Software Engineering2024匹配度 5/10引用 12测试、调试与修复机器学习与程序语言
P1 SHErrLoc
SHErrLoc：定位静态分析检测到的程序员错误
提出基于约束不可满足性和贝叶斯解释的通用错误定位方法，并实现工具 SHErrLoc。
TOPLAS 39(4)2017匹配度 5/10引用 12程序分析与抽象解释测试、调试与修复
P1 Evaluating and Improving Automated Repository-Level Rust Issue Resolution with LLM-based Agents
评估与改进基于 LLM 智能体的仓库级 Rust 问题修复
提出 Rust-SWE-bench 基准与 RustForger 智能体，通过自动测试环境和动态追踪提升 Rust 仓库级问题修复。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 10机器学习与程序语言测试、调试与修复
P1 Alibaba LingmaAgent: Improving Automated Issue Resolution via Comprehensive Repository Exploration
阿里巴巴 LingmaAgent：通过全面仓库探索改进自动化 issue 解决
提出 LingmaAgent，利用知识图谱和 MCTS 让 LLM agent 全面探索仓库，显著提升自动化 issue 解决效果。
FSE Proceedings of the 33rd ACM International Conference on the Foundations of Software Engineering2025匹配度 5/10引用 10机器学习与程序语言测试、调试与修复
P1 Neurosymbolic Repair of Test Flakiness
测试不稳定的神经符号修复
提出神经符号技术 FlakyDoctor，结合 LLM 的泛化性与程序分析的可靠性，自动修复多种类型的测试不稳定。
ISSTA Proceedings of the 33rd ACM SIGSOFT International Symposium on Software Testing and Analysis2024匹配度 5/10引用 10测试、调试与修复机器学习与程序语言
P1 <i>𝜀</i> -weakened robustness of deep neural networks
深度神经网络的 ε-弱化鲁棒性
提出 ε-弱化鲁棒性定义与多项式时间测试方法，并用于增强分类器抗对抗攻击。
ISSTA Proceedings of the 31st ACM SIGSOFT International Symposium on Software Testing and Analysis2022匹配度 5/10引用 10机器学习与程序语言测试、调试与修复
P1 Large Language Models Can Connect the Dots: Exploring Model Optimization Bugs with Domain Knowledge-Aware Prompts
大语言模型能够“连点成线”：利用领域知识感知提示探索模型优化缺陷
用领域知识感知提示引导LLM生成测试用例，自动发现深度学习模型优化器中的缺陷。
ISSTA Proceedings of the 33rd ACM SIGSOFT International Symposium on Software Testing and Analysis2024匹配度 5/10引用 9机器学习与程序语言测试、调试与修复
P1 Benchmarking Automated Program Repair: An Extensive Study on Both Real-World and Artificial Bugs
自动程序修复基准测试：面向真实缺陷与人工缺陷的广泛研究
在统一环境下多维度评测12种APR技术，揭示基于LLM方法的优势、可编译性短板与传统技术的互补性。
ISSTA Proceedings of the 33rd ACM SIGSOFT International Symposium on Software Testing and Analysis2024匹配度 5/10引用 9测试、调试与修复机器学习与程序语言
P1 TraceCoder: A Trace-Driven Multi-Agent Framework for Automated Debugging of LLM-Generated Code
TraceCoder：面向 LLM 生成代码自动调试的轨迹驱动多智能体框架
用运行时轨迹与多智能体协作定位根因，并借助历史经验学习与回滚机制高效修复 LLM 生成的代码。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 8测试、调试与修复机器学习与程序语言
P1 Systematic Testing of the Data-Poisoning Robustness of KNN
KNN 数据投毒鲁棒性的系统化测试
提出面向KNN数据投毒鲁棒性的系统化测试方法，结合抽象域过近似分析与具体域测试，可证伪并认证鲁棒性。
ISSTA Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis2023匹配度 5/10引用 8测试、调试与修复机器学习与程序语言
P1 Testora: Using Natural Language Intent to Detect Behavioral Regressions
Testora：利用自然语言意图检测行为回归
提出 Testora，首个对比代码变更意图与行为差异来检测回归的自动化方法。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 7测试、调试与修复机器学习与程序语言
P1 Aligning the Objective of LLM-Based Program Repair
对齐基于 LLM 的程序修复的目标
提出 D4C 提示框架，通过对齐 LLM 训练目标并直接调试整个程序来修复缺陷，大幅减少采样。
ICSE 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE)2025匹配度 5/10引用 7测试、调试与修复机器学习与程序语言
P1 MioHint: LLM-Assisted Request Mutation for Whitebox REST API Testing
MioHint：面向白盒 REST API 测试的 LLM 辅助请求变异
提出 MioHint，用静态数据依赖检索与 LLM 协同引导白盒 REST API 请求变异，突破覆盖瓶颈。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 6测试、调试与修复机器学习与程序语言
P1 Dynamic Cogeneration of Bug Reproduction Test in Agentic Program Repair
Agentic 程序修复中 Bug 复现测试的动态协同生成
让 APR agent 在同一补丁中同时生成修复与 Bug 复现测试，在不降低修复质量的前提下减少流水线维护成本。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 5/10引用 6机器学习与程序语言测试、调试与修复
P1 Are LLMs Correctly Integrated into Software Systems?
LLM 是否被正确地集成到软件系统中？
对100个集成LLM与RAG的开源应用开展实证研究，归纳18种集成缺陷模式并提出系统性修复指南。
ICSE 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE)2025匹配度 5/10引用 6机器学习与程序语言测试、调试与修复
P1 Your Fix Is My Exploit: Enabling Comprehensive DL Library API Fuzzing with Large Language Models
你的修复就是我的漏洞利用：利用大语言模型实现全面的深度学习库 API 模糊测试
提出 DFuzz，让 LLM 从 API 源码检查中推理边界输入并生成测试程序，实现 DL 库 API 的全面模糊测试。
ICSE 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE)2025匹配度 5/10引用 6测试、调试与修复机器学习与程序语言
P1 Investigating Test Overfitting on SWE-bench
探究 SWE-bench 上的测试过拟合
首次实证研究 SWE-bench 问题解决中因过度依赖测试而导致的测试过拟合现象。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 5/10引用 5测试、调试与修复机器学习与程序语言
P1 MutDafny: A Mutation-Based Approach to Assess Dafny Specifications
MutDafny：一种基于变异的 Dafny 规约评估方法
提出 MutDafny 工具，用 40 个变异算子通过变异测试自动暴露 Dafny 形式规约的弱点。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 4程序验证测试、调试与修复
P1 Defects4Log: Benchmarking LLMs for Logging Code Defect Detection and Reasoning
Defects4Log：面向日志代码缺陷检测与推理的 LLM 基准测试
构建日志代码缺陷分类体系与基准数据集 Defects4Log，系统评估 LLM 检测与推理日志代码缺陷的能力。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10引用 4机器学习与程序语言测试、调试与修复
P1 exLong: Generating Exceptional Behavior Tests with Large Language Models
exLong：使用大语言模型生成异常行为测试
首个自动生成异常行为测试的框架，通过指令微调 CodeLlama 并嵌入异常路径推理，超越现有模型与工具。
ICSE 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE)2025匹配度 5/10引用 4测试、调试与修复机器学习与程序语言
P1 Detecting and understanding real-world differential performance bugs in machine learning libraries
检测与理解机器学习库中真实世界的差分性能缺陷
提出差分性能分析的模糊测试与决策树解释方法，发现并定位机器学习库中的性能缺陷。
ISSTA Proceedings of the 29th ACM SIGSOFT International Symposium on Software Testing and Analysis2020匹配度 5/10引用 4测试、调试与修复机器学习与程序语言
P1 Regression Accumulation in Multi-turn LLM Programming Conversations
多轮 LLM 编程对话中的回归累积
通过 542 个任务×8 轮实验揭示多轮 LLM 编程对话中的回归累积现象，并提出验证门策略加以缓解。
ASE Proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering2026匹配度 5/10引用 3机器学习与程序语言测试、调试与修复
P1 RBCTest: Leveraging LLMs to Mine and Verify Oracles of API Response Bodies for RESTful API Testing
RBCTest：利用LLM为RESTful API测试挖掘并验证API响应体判定（oracle）
提出LLM驱动的静态方法，从API规范中挖掘响应体约束作为oracle并生成RESTful API测试用例，以观察-确认提示抑制幻觉。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 3测试、调试与修复机器学习与程序语言
P1 Issue Localization via LLM-Driven Iterative Code Graph Searching
基于 LLM 驱动迭代代码图搜索的 Issue 定位
提出免训练免索引的 COSIL，用两阶段代码图搜索实现函数级 Issue 定位。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10引用 3机器学习与程序语言测试、调试与修复
P1 Harden and Catch for Just-in-Time Assured LLM-Based Software Testing: Open Research Challenges
面向即时保障的基于 LLM 软件测试的加固与捕获：开放研究挑战
定义加固测试与捕获测试，提出即时捕获测试生成挑战，并梳理基于 LLM 软件测试的开放问题。
FSE Proceedings of the 33rd ACM International Conference on the Foundations of Software Engineering2025匹配度 5/10引用 3测试、调试与修复机器学习与程序语言
P1 HapRepair: Learn to Repair OpenHarmony Apps
HapRepair：学习修复 OpenHarmony 应用
结合静态分析与 RAG 的 LLM 缺陷修复框架，在 ArkTS/OpenHarmony 应用上实现约 99% 的修复率。
FSE Proceedings of the 33rd ACM International Conference on the Foundations of Software Engineering2025匹配度 5/10引用 3测试、调试与修复机器学习与程序语言
P1 Revisiting the Conflict-Resolving Problem from a Semantic Perspective
从语义视角重新审视合并冲突解决问题
提出 sMerge，从程序行为语义出发，将合并冲突解决转化为针对性测试生成，并形式化定义了冲突问题。
ASE Proceedings of the 39th IEEE/ACM International Conference on Automated Software Engineering2024匹配度 5/10引用 3测试、调试与修复编程环境与开发者工具
P1 LSPRAG: LSP-Guided RAG for Language-Agnostic Real-Time Unit Test Generation
LSPRAG：LSP 引导的 RAG 用于语言无关的实时单元测试生成
提出 LSPRAG，利用 LSP 实时检索精确上下文，实现语言无关的单元测试生成并提升覆盖率。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 2测试、调试与修复机器学习与程序语言
P1 BugsInDLLs : A Database of Reproducible Bugs in Deep Learning Libraries to Enable Systematic Evaluation of Testing Techniques
BugsInDLLs：面向深度学习库测试技术系统评估的可复现缺陷数据库
构建覆盖JAX、TensorFlow、PyTorch的112个可复现缺陷环境数据库，支撑深度学习库测试技术评估。
ISSTA Proceedings of the 34th ACM SIGSOFT International Symposium on Software Testing and Analysis2025匹配度 5/10引用 2测试、调试与修复机器学习与程序语言
P1 PromFuzz: Leveraging LLM-Driven and Bug-Oriented Composite Analysis for Detecting Functional Bugs in Smart Contracts
PromFuzz：利用 LLM 驱动与面向缺陷的复合分析检测智能合约中的功能缺陷
提出 PromFuzz，用双智能体 LLM 定位可疑函数、生成不变式检查器并做面向缺陷的模糊测试，高效检测智能合约功能缺陷。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10引用 2机器学习与程序语言测试、调试与修复
P1 Let the Code Speak: Incorporating Program Dynamic State for Better Method-Level Fault Localization
让代码说话：融入程序动态状态的方法级缺陷定位
提出 PingFL，用 LLM 智能体结合打印调试获取动态程序状态，显著提升方法级缺陷定位精度。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10引用 2测试、调试与修复机器学习与程序语言
P1 Improved Detection and Diagnosis of Faults in Deep Neural Networks Using Hierarchical and Explainable Classification
使用分层与可解释分类改进深度神经网络中的故障检测与诊断
提出 DEFault，结合动态/静态特征、分层分类与 SHAP 可解释性，检测并诊断 DNN 程序故障。
ICSE 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE)2025匹配度 5/10引用 2测试、调试与修复机器学习与程序语言
P1 Testing machine learning code using polyhedral region
使用多面体区域测试机器学习代码
提出利用多面体输入区域检测机器学习代码缺陷的测试方法，并在 lasso 突变测试中验证有效性。
FSE Proceedings of the 28th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2020匹配度 5/10引用 2测试、调试与修复机器学习与程序语言
P1 TELLER: Non-intrusive Cross-Layer Root-Cause Analysis for LLM Inference
TELLER：面向 LLM 推理的非侵入式跨层根因分析
提出非侵入式跨层根因分析框架 TELLER，用结构化 trace 表示与多模态模型定位 LLM 推理异常步骤并生成解释。
ASE Proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering2026匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 TAAF: A Trace Abstraction and Analysis Framework Synergizing Knowledge Graphs and LLMs
TAAF：一个协同知识图谱与大语言模型的轨迹抽象与分析框架
提出TAAF，用时间索引知识图谱与大语言模型把海量执行轨迹转为可自然语言查询的洞察，并发布TraceQA-100基准。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 1机器学习与程序语言测试、调试与修复
P1 XRFix: Exploring Performance Bug Repair of Extended Reality Applications with Large Language Models
XRFix：利用大语言模型修复扩展现实应用的性能缺陷
提出 XRFix，结合定制静态分析与分层 LLM 提示，自动修复 XR 应用性能缺陷，修复率达 67.3%。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 Once4All: Skeleton-Guided SMT Solver Fuzzing with LLM-Synthesized Generators
Once4All：骨架引导的 SMT 求解器模糊测试与 LLM 合成生成器
用 LLM 一次性地合成可复用项生成器，并以结构骨架引导填充，实现语法合法且高效的 SMT 求解器模糊测试。
ASPLOS Proceedings of the 31st ACM International Conference on Architectural Support for Programming Languages and Operating Systems, Volume 22026匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 Lessons from Mitigating False Positives in Google's OSS-Fuzz-Gen
来自 Google OSS-Fuzz-Gen 中缓解误报的经验教训
通过约束式驱动生成与上下文感知崩溃验证，在 OSS-Fuzz-Gen 中过滤过半误报崩溃。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 PALM: Synergizing Program Analysis and LLMs to Enhance Rust Unit Test Coverage
PALM：协同程序分析与LLM提升Rust单元测试覆盖率
结合程序分析提取路径约束与LLM生成Rust高覆盖率单元测试，并在开源crate上验证及提交补丁。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 Characterizing Multi-Hunk Patches: Divergence, Proximity, and LLM Repair Challenges
刻画多 Hunk 补丁：差异性、邻近性与 LLM 修复挑战
提出 hunk divergence 与空间邻近性度量，刻画多 hunk 补丁并揭示 LLM 修复成功率随差异性与分散度上升而下降。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 FlakyGuard: Automatically Fixing Flaky Tests at Industry Scale
FlakyGuard：在工业规模上自动修复不稳定测试
将代码视为图结构并选择性探索，为 LLM 精准提供修复 flaky test 所需的上下文，实现工业规模自动修复。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 Leveraging Mixture-of-Experts Framework for Smart Contract Vulnerability Repair with Large Language Model
利用专家混合框架与大型语言模型进行智能合约漏洞修复
提出 MoEFix，用专家混合架构为各类漏洞训练专门专家，并由漏洞感知路由器动态分配修复，端到端生成安全合约。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 Lightweight Concolic Testing via Path-Condition Synthesis for Deep Learning Libraries
通过路径条件合成对深度学习库进行轻量级混合执行测试
提出首个面向深度学习库的轻量级混合执行测试技术，用归纳合成近似路径条件以提升分支覆盖与缺陷检测。
ICSE 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE)2025匹配度 5/10引用 1测试、调试与修复程序合成
P1 Automated Validation of COBOL to Java Transformation
COBOL 到 Java 转换的自动验证
提出基于符号执行的测试生成框架，自动验证 COBOL 到 Java 翻译的语义等价性。
ASE Proceedings of the 39th IEEE/ACM International Conference on Automated Software Engineering2024匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 Applying learning techniques to oracle synthesis
将学习技术应用于 oracle 合成
提出用学习技术合成软件 oracle/规格，以弥补规格缺失并支持自动化可靠性分析。
ASE Proceedings of the 35th IEEE/ACM International Conference on Automated Software Engineering2020匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 OBsmith: LLM-Powered JavaScript Obfuscator Testing
OBsmith：LLM 驱动的 JavaScript 混淆器测试
提出 OBsmith，用 LLM 生成程序草图并结合等价与蜕变测试，自动发现 JavaScript 混淆器的语义保持缺陷。
OOPSLA 10(OOPSLA1)2026匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 PReMM: LLM-Based Program Repair for Multi-method Bugs via Divide and Conquer
PReMM：基于LLM的多方法缺陷程序修复——分而治之
提出 PReMM，通过分而治之与双智能体 LLM 生成跨多方法补丁，修复多方法缺陷。
OOPSLA 9(OOPSLA2)2025匹配度 5/10引用 1测试、调试与修复机器学习与程序语言
P1 Catching Developers in the Flow: Low-Latency Agentic Program Repair at Google Scale
在开发者心流中捕获问题：面向 Google 规模的低延迟智能体程序修复
提出并部署 FlowAgent，在 Google 提交前 CI 流程中以低延迟 LLM 智能体自动修复测试失败，人工评估修复准确率达 67.18%。
ASE Proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering2026匹配度 5/10测试、调试与修复机器学习与程序语言
P1 Testing Static Analyzers via Semantic-Preserving Mutators Learned from Real-World Refactoring Practice
从真实世界重构实践中学习语义保持变异算子以测试静态分析器
提出SAFuzzer，从真实重构提交学习语义保持变异算子，并用蜕变测试发现SAST工具缺陷。
ASE Proceedings of the 41st IEEE/ACM International Conference on Automated Software Engineering2026匹配度 5/10测试、调试与修复机器学习与程序语言
P1 Automated Debugging of Datalog Programs
Datalog 程序的自动化调试
将派生事实视为测试用例、证明树视为执行谱，把 SBFL 迁移到 Datalog，实现无需人工交互的故障规则定位。
OOPSLA 10(OOPSLA2)2026匹配度 5/10测试、调试与修复逻辑与约束编程
P1 MAJIT: Just-in-Time Detection of Compatibility Issues in Android and iOS Apps through Large Language Model-based Multi-Agent Collaboration
MAJIT：通过基于大语言模型的多智能体协作即时检测 Android 与 iOS 应用中的兼容性问题
提出基于 LLM 多智能体协作的即时兼容性缺陷检测方法 MAJIT，在代码变更上检测系统版本、设备与屏幕尺寸问题，精确率与召回率均超 96%。
ICSE Proceedings of the IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10机器学习与程序语言测试、调试与修复
P1 Large Language Model powered Test Driver Generation for High-performance Computing Library
大语言模型驱动的测试驱动程序生成：面向高性能计算库
提出用大语言模型为 HPC 库自动生成测试驱动，以突破差分测试中人工用例覆盖不足与现有自动化技术失效的困境。
ICSE Proceedings of the IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10测试、调试与修复机器学习与程序语言
P1 WiseUT: An Intelligent Framework for Unit Test Generation
WiseUT：面向单元测试生成的智能框架
将大语言模型与程序分析结合的端到端单元测试生成框架，提升覆盖率、缺陷检测精度与可维护性。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10测试、调试与修复机器学习与程序语言
P1 Data-driven Test Generation for Fuzzing AI Compiler
面向 AI 编译器模糊测试的数据驱动测试生成
提出统一数据驱动测试框架，面向 AI 编译器各阶段生成测试，发现 266 个未知缺陷。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10测试、调试与修复机器学习与程序语言
P1 An LLM Agentic Approach for Legal-Critical Software: A Case Study for Tax Prep Software
面向法律关键软件的 LLM 智能体方法：以报税软件为例
提出基于角色分工的多智能体框架，用高阶蜕变关系自动生成测试并合成代码，从税法法条构建可靠报税软件。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10机器学习与程序语言测试、调试与修复
P1 LLM4JMH: Studying the Use of LLMs for Generating Java Performance Microbenchmarks
LLM4JMH：研究利用大语言模型生成Java性能微基准
提出 LLM4JMH，用 LLM 从源码生成 Java 性能微基准，并以静态分析增强，实现早期性能回归检测。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10机器学习与程序语言测试、调试与修复
P1 Towards Better Linux Kernel Fault Localization: Leveraging Contrastive Reasoning and Hierarchical Context Analysis
面向更好的 Linux 内核故障定位：利用对比推理与层次化上下文分析
提出 CoHiKer，用对比推理与层次化上下文分析显著提升 Linux 内核故障定位的文件级与方法级精度并降低 token 开销。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10测试、调试与修复机器学习与程序语言
P1 Exploring the Information Disorientation Problem in Automated Program Repair under Relaxed Localization
在宽松定位条件下探索自动程序修复中的信息迷失问题
提出自动程序修复中的“信息迷失”问题，并用逻辑分解、细粒度上下文检索与块到整体推理加以缓解。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10测试、调试与修复机器学习与程序语言
P1 Hierarchical Metamorphic Test Oracles for Agent Evaluation
面向智能体评估的分层蜕变测试预言
提出 MESA 框架，用目标、策略、动作三层蜕变测试预言评估智能体，并按层级分解失败。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 5/10测试、调试与修复
P1 LLM-based Specification-Driven Test Oracle Enhancement
基于LLM的规约驱动测试预言增强
用大语言模型分析规约自动增强测试预言，在 OpenJDK 中发现 45 个已被确认或修复的未知缺陷。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 5/10测试、调试与修复机器学习与程序语言
P1 Towards AI-Powered Localization of Software Bugs: From Semantic Understanding to Agentic Cognition
迈向 AI 驱动的软件缺陷定位：从语义理解到智能体认知
提出借助程序语义理解、上下文推理与开发者式调试认知三条途径，显著提升自动缺陷定位效果。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 5/10机器学习与程序语言测试、调试与修复
P1 Bugs in Modern LLM Agent Frameworks: An Empirical Study
现代 LLM Agent 框架中的缺陷：一项实证研究
对 CrewAI 与 LangGraph 的 998 条 issue 进行实证研究，构建 LLM agent 框架缺陷的根因—症状分类体系。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 5/10测试、调试与修复机器学习与程序语言
P1 Mitigating Implicit Inconsistencies in Patch Porting
缓解补丁移植中的隐式不一致
提出 MIP，让 LLM、编译器与代码分析工具协作，自动消解补丁移植中需要跨库全局映射知识的隐式不一致。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 5/10机器学习与程序语言测试、调试与修复
P1 Understanding and Mitigating Hallucinations in Industrial LLM-based Unit Test Generation
理解与缓解工业级 LLM 单元测试生成中的幻觉
分析工业 LLM 单测生成的两类幻觉，提出 DEHALL 结合上下文构建与静态分析修复，显著提升覆盖率与缺陷检测。
FSE Proceedings of the 34th ACM International Conference on the Foundations of Software Engineering2026匹配度 5/10机器学习与程序语言测试、调试与修复
P1 VeriExploit: Automatic Bug Reproduction in Smart Contracts via LLMs and Formal Methods
VeriExploit：基于LLM与形式化方法的智能合约漏洞自动复现
结合形式化方法与LLM，自动生成并验证智能合约漏洞的复现合约与攻击轨迹。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10安全与隐私机器学习与程序语言测试、调试与修复
P1 LLM-assisted Industrial-Scale Differential Testing of Package Incompatibilities in Linux Distributions
LLM 辅助的 Linux 发行版软件包不兼容性工业级差分测试
提出基于 LLM 的差分测试方法 Versify，在工业规模上帮助 Linux 发行版维护者定位版本升级与迁移中的软件包不兼容。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10测试、调试与修复机器学习与程序语言
P1 Amur: Fixing Multi-Resource Leaks Guided by Resource Flow Analysis
Amur：以资源流分析引导的多资源泄漏修复
提出 Amur，用流敏感、跨资源感知的资源流分析引导 LLM，为单资源与多资源泄漏生成语义保持的修复补丁。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10测试、调试与修复机器学习与程序语言
P1 Explainable Fault Localization for Programming Assignments via LLM-Guided Annotation
面向编程作业的可解释故障定位：基于 LLM 引导标注
提出 FLAME，用 LLM 引导标注与多模型加权投票实现编程作业细粒度可解释故障定位。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10测试、调试与修复机器学习与程序语言
P1 Finding Bugs in MLIR Compiler Infrastructure via Lowering Space Exploration
通过 Lowering 空间探索发现 MLIR 编译器基础设施中的缺陷
提出 lowering 空间探索技术，动态构造多样 lowering 路径并比较执行结果，自动发现 MLIR 中的缺陷。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10测试、调试与修复编译与代码生成
P1 Automated Repair of OpenID Connect Programs
OpenID Connect 程序的自动修复
提出反例引导的 OIDC 自动修复引擎 AuthFix，结合 LLM 合成补丁并以 Petri 网模型检测验证，修复 23 个缺陷中的 17 个。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10测试、调试与修复机器学习与程序语言
P1 From Redundancy to Efficiency: Exploiting Shared UI Interactions towards Efficient LLM-Based Testing
从冗余到效率：利用共享 UI 交互实现高效的基于 LLM 的测试
提出 TestWeaver，通过复用 LLM 对共享 UI 交互的决策，降低基于 LLM 的 UI 测试成本并提升效率。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10测试、调试与修复机器学习与程序语言
P1 Automatic Fixing of Missing Dependency Errors
自动修复缺失依赖错误
提出 MDfixer，通过识别 Makefile 的依赖声明风格并生成同风格补丁，自动修复缺失构建依赖错误。
ASE 2025 40th IEEE/ACM International Conference on Automated Software Engineering (ASE)2025匹配度 5/10测试、调试与修复编程环境与开发者工具
P1 Leveraging Human Insights for Enhanced LLM-based Code Repair
利用人类洞察增强基于大语言模型的代码修复
提出融合提交历史模式挖掘、动态反馈迭代与历史修复经验检索的LLM代码修复框架，使补丁生成更接近人类迭代式推理。
FSE Proceedings of the 33rd ACM International Conference on the Foundations of Software Engineering2025匹配度 5/10机器学习与程序语言测试、调试与修复
P1 Capturing Semantic Flow of ML-based Systems
捕获基于 ML 的系统的语义流
提出 semantic flow 概念与 semantic flow graph，用 ML 内部状态增强控制流以支持动态分析。
FSE Proceedings of the 33rd ACM International Conference on the Foundations of Software Engineering2025匹配度 5/10机器学习与程序语言测试、调试与修复
P1 The Power of Types: Exploring the Impact of Type Checking on Neural Bug Detection in Dynamically Typed Languages
类型的力量：探索类型检查对动态类型语言中神经缺陷检测的影响
揭示动态类型语言缺陷数据集中类型相关缺陷占比，并证明神经缺陷检测器与类型检查结合可提升检测效果。
ICSE 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE)2025匹配度 5/10机器学习与程序语言测试、调试与修复
P1 Assessment of Automated (Intelligent) Toolchains
自动化（智能）工具链的评估
提出评估自动化智能工具链整体正确性、不确定性与误差传播的方法与自动化工具。
ASE Proceedings of the 37th IEEE/ACM International Conference on Automated Software Engineering2022匹配度 5/10测试、调试与修复程序分析与抽象解释机器学习与程序语言
P2 Large Language Models Are Zero-Shot Fuzzers: Fuzzing Deep-Learning Libraries via Large Language Models
大语言模型是零样本模糊测试器：基于大语言模型对深度学习库进行模糊测试
首次直接用大语言模型生成与变异深度学习库输入程序进行模糊测试，无需训练即超越现有工具。
ISSTA Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis2023匹配度 4/10引用 409测试、调试与修复机器学习与程序语言
P2 Automated Program Repair in the Era of Large Pre-trained Language Models
大预训练语言模型时代的自动程序修复
首次系统研究直接使用9个最新LLM进行自动程序修复，在3种语言5个数据集上大幅超越现有APR技术。
ICSE 2023 IEEE/ACM 45th International Conference on Software Engineering (ICSE)2023匹配度 4/10引用 402测试、调试与修复机器学习与程序语言
P2 DLFuzz: differential fuzzing testing of deep learning systems
DLFuzz：深度学习系统的差分模糊测试
提出首个面向深度学习系统的差分模糊测试框架，通过变异输入同时提升神经元覆盖与预测差异来暴露错误行为。
FSE Proceedings of the 2018 26th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2018匹配度 4/10引用 295测试、调试与修复机器学习与程序语言
P2 Taxonomy of real faults in deep learning systems
深度学习系统中真实故障的分类体系
通过分析 GitHub、Stack Overflow 与访谈，构建并验证深度学习系统真实故障的大规模分类体系。
ICSE Proceedings of the ACM/IEEE 42nd International Conference on Software Engineering2020匹配度 4/10引用 293机器学习与程序语言测试、调试与修复
P2 CodaMosa: Escaping Coverage Plateaus in Test Generation with Pre-trained Large Language Models
CodaMosa：利用预训练大语言模型摆脱测试生成中的覆盖率平台期
提出 CodaMosa，在搜索式测试生成陷入覆盖率停滞时用 Codex 生成示例测试引导搜索，显著提升覆盖率。
ICSE 2023 IEEE/ACM 45th International Conference on Software Engineering (ICSE)2023匹配度 4/10引用 263测试、调试与修复机器学习与程序语言
P2 MODE: automated neural network model debugging via state differential analysis and input selection
MODE：基于状态差异分析与输入选择的自动化神经网络模型调试
提出MODE，通过模型状态差异分析与训练输入选择自动调试并修复神经网络模型缺陷。
FSE Proceedings of the 2018 26th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2018匹配度 4/10引用 220机器学习与程序语言测试、调试与修复
P2 Black box fairness testing of machine learning models
机器学习模型的黑盒公平性测试
结合符号执行与局部可解释性，自动生成测试输入以检测ML模型的个体歧视。
FSE Proceedings of the 2019 27th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2019匹配度 4/10引用 184测试、调试与修复机器学习与程序语言
P2 Copiloting the Copilots: Fusing Large Language Models with Completion Engines for Automated Program Repair
副驾驶的副驾驶：融合大语言模型与补全引擎的自动程序修复
提出 Repilot，用补全引擎引导 LLM 生成补丁，在 APR 中提升补丁有效性与修复数。
FSE Proceedings of the 31st ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering2023匹配度 4/10引用 168测试、调试与修复机器学习与程序语言
P2 RAP-Gen: Retrieval-Augmented Patch Generation with CodeT5 for Automatic Program Repair
RAP-Gen：基于 CodeT5 的检索增强补丁生成用于自动程序修复
提出检索增强补丁生成框架 RAP-Gen，以混合检索器增强 CodeT5，显著提升多基准自动程序修复效果。
FSE Proceedings of the 31st ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering2023匹配度 4/10引用 140测试、调试与修复机器学习与程序语言
P2 Automated Program Repair via Conversation: Fixing 162 out of 337 Bugs for $0.42 Each using ChatGPT
通过对话的自动程序修复：使用 ChatGPT 以每个 0.42 美元修复 337 个缺陷中的 162 个
提出 ChatRepair，首个全自动对话驱动 APR 方法，利用 ChatGPT 结合测试反馈迭代生成补丁，显著提升修复效果并降低成本。
ISSTA Proceedings of the 33rd ACM SIGSOFT International Symposium on Software Testing and Analysis2024匹配度 4/10引用 136测试、调试与修复机器学习与程序语言
P2 BugsInPy: a database of existing bugs in Python programs to enable controlled testing and debugging studies
BugsInPy：一个 Python 程序既有缺陷数据库，用于支持受控的测试与调试研究
构建 Python 程序真实缺陷数据库 BugsInPy，为 Python 测试与调试工具的受控研究提供基础设施。
FSE Proceedings of the 28th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2020匹配度 4/10引用 135测试、调试与修复
P2 Large Language Models for Test-Free Fault Localization
用于无测试故障定位的大型语言模型
提出 LLMAO：首个无需测试覆盖、基于 LLM 的代码行级故障定位方法，性能优于 MLFL 基线。
ICSE Proceedings of the IEEE/ACM 46th International Conference on Software Engineering2024匹配度 4/10引用 121测试、调试与修复机器学习与程序语言
P2 DeepMutation++: A Mutation Testing Framework for Deep Learning Systems
DeepMutation++：面向深度学习系统的变异测试框架
提出支持前馈与循环神经网络的变异测试框架 DeepMutation++，用于评估 DNN 测试数据质量与模型鲁棒性。
ASE 2019 34th IEEE/ACM International Conference on Automated Software Engineering (ASE)2019匹配度 4/10引用 120测试、调试与修复机器学习与程序语言
P2 CCTEST: Testing and Repairing Code Completion Systems
CCTEST：代码补全系统的测试与修复
提出黑盒测试与修复框架 CCTEST，通过结构一致变异检测并修复 LLM 代码补全系统的错误输出。
ICSE 2023 IEEE/ACM 45th International Conference on Software Engineering (ICSE)2023匹配度 4/10引用 117测试、调试与修复机器学习与程序语言
P2 How many of all bugs do we find? a study of static bug detectors
我们能发现所有缺陷中的多少？静态缺陷检测器研究
通过扩展 Defects4J 数据集的实证研究，量化了三种主流静态缺陷检测器能发现真实缺陷的比例。
ASE Proceedings of the 33rd ACM/IEEE International Conference on Automated Software Engineering2018匹配度 4/10引用 109程序分析与抽象解释测试、调试与修复
P2 DeepDelta: learning to repair compilation errors
DeepDelta：学习修复编译错误
提出 DeepDelta，用 NMT 从 Google 构建数据学习编译错误修复模式，为缺失符号和方法签名不匹配生成修复。
FSE Proceedings of the 2019 27th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2019匹配度 4/10引用 107机器学习与程序语言测试、调试与修复
P2 Large Language Models are Edge-Case Generators: Crafting Unusual Programs for Fuzzing Deep Learning Libraries
大语言模型是边界用例生成器：为深度学习库模糊测试构造非常规程序
提出将 LLM 用作边界用例生成器，构造非常规程序以弥补其倾向生成普通模式化代码的缺陷，用于深度学习库模糊测试。
ICSE Proceedings of the IEEE/ACM 46th International Conference on Software Engineering2024匹配度 4/10引用 104测试、调试与修复机器学习与程序语言
P2 Repairing deep neural networks
修复深度神经网络
通过实证研究总结 DNN 缺陷修复模式与挑战，并发布 667 个修复实例基准。
ICSE Proceedings of the ACM/IEEE 42nd International Conference on Software Engineering2020匹配度 4/10引用 104测试、调试与修复机器学习与程序语言
P2 Gamma: Revisiting Template-Based Automated Program Repair Via Mask Prediction
Gamma：通过掩码预测重新审视基于模板的自动程序修复
提出Gamma，用预训练语言模型以掩码填空方式生成修复代码，替代模板修复中难以抉择的donor code检索，显著提升修复效果。
ASE 2023 38th IEEE/ACM International Conference on Automated Software Engineering (ASE)2023匹配度 4/10引用 101测试、调试与修复机器学习与程序语言
P2 Static automated program repair for heap properties
针对堆性质的静态自动程序修复
用分离逻辑静态推理程序片段语义效果，无需测试用例即可修复指针安全缺陷并验证补丁正确性。
ICSE Proceedings of the 40th International Conference on Software Engineering2018匹配度 4/10引用 91测试、调试与修复程序分析与抽象解释
P2 RepairAgent: An Autonomous, LLM-Based Agent for Program Repair
RepairAgent：面向程序修复的自主 LLM 智能体
首个基于 LLM 自主智能体的程序修复方法，在 Defects4J 上自主修复 164 个缺陷。
ICSE 2025 IEEE/ACM 47th International Conference on Software Engineering (ICSE)2025匹配度 4/10引用 88程序合成机器学习与程序语言测试、调试与修复
P2 Nuances are the Key: Unlocking ChatGPT to Find Failure-Inducing Tests with Differential Prompting
细微差异是关键：通过差分提示解锁 ChatGPT 寻找引发失败的测试
提出差分提示，引导 ChatGPT 关注正确与缺陷代码的细微差异，以发现引发失败的测试用例。
ASE 2023 38th IEEE/ACM International Conference on Automated Software Engineering (ASE)2023匹配度 4/10引用 84测试、调试与修复机器学习与程序语言
P2 NNSmith: Generating Diverse and Valid Test Cases for Deep Learning Compilers
NNSmith：为深度学习编译器生成多样且有效的测试用例
提出轻量算子规格生成多样有效 DNN 模型、梯度搜索规避浮点异常并结合差分测试的深度学习编译器模糊测试方法，发现 72 个新 bug。
ASPLOS Proceedings of the 28th ACM International Conference on Architectural Support for Programming Languages and Operating Systems, Volume 22023匹配度 4/10引用 83测试、调试与修复机器学习与程序语言
P2 Fuzzing deep-learning libraries via automated relational API inference
通过自动化关系 API 推断对深度学习库进行模糊测试
提出 DeepREL，自动推断深度学习库中的关系 API，并据此合成测试与模糊测试，显著提升 API 覆盖并发现大量缺陷。
FSE Proceedings of the 30th ACM Joint European Software Engineering Conference and Symposium on the Foundations of Software Engineering2022匹配度 4/10引用 80测试、调试与修复机器学习与程序语言
P2 Detecting flaky tests in probabilistic and machine learning applications
检测概率与机器学习应用中的 flaky tests
针对概率编程与机器学习框架的非确定原语所引发的 flaky tests，研究如何检测这类非确定失败。
ISSTA Proceedings of the 29th ACM SIGSOFT International Symposium on Software Testing and Analysis2020匹配度 4/10引用 74测试、调试与修复机器学习与程序语言
P2 Testing Machine Translation via Referential Transparency
通过指称透明性测试机器翻译
提出指称透明输入（RTI）方法并实现 Purity，用于检测机器翻译错误，在 Google 与 Bing 上高精度发现大量误译。
ICSE 2021 IEEE/ACM 43rd International Conference on Software Engineering (ICSE)2021匹配度 4/10引用 64测试、调试与修复机器学习与程序语言
P2 Semantic bug seeding: a learning-based approach for creating realistic bugs
语义 bug 播种：一种基于学习生成真实 bug 的方法
提出基于学习的语义 bug 播种，生成更真实的 bug，克服语法变换模式无法引入应用特定代码 token 的局限。
FSE Proceedings of the 29th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2021匹配度 4/10引用 63测试、调试与修复机器学习与程序语言
P2 From Code to Correctness: Closing the Last Mile of Code Generation with Hierarchical Debugging
从代码到正确性：用层次化调试打通代码生成的最后一公里
提出层次化调试器 MGDebugger，通过子函数分解与自底向上排错，显著提升 LLM 生成代码的修复成功率。
ICSE Proceedings of the 2026 IEEE/ACM 48th International Conference on Software Engineering2026匹配度 4/10引用 60机器学习与程序语言测试、调试与修复
P2 Phoenix: automated data-driven synthesis of repairs for static analysis violations
Phoenix：面向静态分析违规的自动化数据驱动修复合成
通过从GitHub挖掘补丁并学习DSL修复策略，自动为静态分析违规合成高质量补丁，无需测试套件。
FSE Proceedings of the 2019 27th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2019匹配度 4/10引用 58程序合成测试、调试与修复
P2 Fault localization via efficient probabilistic modeling of program semantics
通过程序语义的高效概率建模实现故障定位
仅对程序值的正确性而非完整语义进行概率建模，在故障定位的有效性与可扩展性之间取得平衡。
ICSE Proceedings of the 44th International Conference on Software Engineering2022匹配度 4/10引用 54测试、调试与修复程序分析与抽象解释
P2 Predoo: precision testing of deep learning operators
Predoo：深度学习算子的精度测试
提出 Predoo，用模糊测试与搜索最大化 DL 算子精度误差，发现超越 TensorFlow 测试阈值的错误。
ISSTA Proceedings of the 30th ACM SIGSOFT International Symposium on Software Testing and Analysis2021匹配度 4/10引用 53测试、调试与修复机器学习与程序语言
P2 HITS: High-coverage LLM-based Unit Test Generation via Method Slicing
HITS：基于方法切片的高覆盖率 LLM 单元测试生成
将复杂焦点方法切片后让 LLM 逐片生成单元测试，显著提升行与分支覆盖率。
ASE Proceedings of the 39th IEEE/ACM International Conference on Automated Software Engineering2024匹配度 4/10引用 50测试、调试与修复机器学习与程序语言
P2 Testing probabilistic programming systems
测试概率编程系统
表征概率编程系统缺陷并提出可扩展测试工具 ProbFuzz，发现大量真实 bug。
FSE Proceedings of the 2018 26th ACM Joint Meeting on European Software Engineering Conference and Symposium on the Foundations of Software Engineering2018匹配度 4/10引用 49测试、调试与修复量子与概率编程
P2 Fuzzing Deep Learning Compilers with HirGen
使用 HirGen 对深度学习编译器进行模糊测试
提出 HirGen，通过生成多样化计算图与高层 IR 并设计覆盖率准则和测试预言，暴露 DL 编译器高层优化阶段缺陷。
ISSTA Proceedings of the 32nd ACM SIGSOFT International Symposium on Software Testing and Analysis2023匹配度 4/10引用 48测试、调试与修复机器学习与程序语言