关于大语言模型用于自动化程序修复的系统文献综述
软件工程
2026-02-11 v4
摘要
自动化程序修复 (APR) 试图修补软件错误并减少手动调试的工作量。最近，随着大语言模型 (LLMs) 的进步，越来越多的 APR 技术被提出，促进了软件开发和维护，并展现出卓越的性能。然而，由于基于 LLM 的 APR 领域仍在不断探索，研究人员很难了解当前的成就、挑战和潜在机遇。这项工作提供了首次系统文献综述，总结了 2020 年至 2025 年间 LLM 在 APR 中的应用。我们从 LLM、APR 及其整合的角度分析了 189 篇相关论文。首先，我们对应用于支持 APR 的现有流行 LLM 进行了分类，并概述了其部署的四种利用策略。此外，我们详细介绍了受益于 LLM 的一些特定修复场景，例如语义错误和安全漏洞。进一步地，我们讨论了将 LLM 整合到 APR 研究中的几个关键方面，例如输入形式和开放科学。最后，我们强调了有待研究的一系列挑战以及未来研究的潜在指南。总体而言，我们的论文为 APR 社区提供了研究全景的系统概述，帮助研究人员全面了解成就并促进未来研究。
引用
@article{arxiv.2405.01466,
title = {A Systematic Literature Review on Large Language Models for Automated Program Repair},
author = {Quanjun Zhang and Chunrong Fang and Yang Xie and YuXiang Ma and Weisong Sun and Yun Yang and Zhenyu Chen},
journal= {arXiv preprint arXiv:2405.01466},
year = {2026}
}
备注
Accepted to ACM Transactions on Software Engineering and Methodology (TOSEM 2026)