Abstain and Validate：基于双 LLM 的降低代理程序修复噪声策略

代理式自动化程序修复（APR）正日益应对行业中复杂的、仓库级别的错误，但最终这些补丁仍需在提交之前由人类审阅，以确保它们确实解决了错误。显示补丁不太可能被接受会导致大量噪声，浪费宝贵的开发者时间并削弱对自动化代码更改的信任。我们引入两种互补的 LLM 基于策略以减少此类噪声：错误放弃策略和补丁验证策略。错误放弃排除不太可能被代理式 APR 系统修复的错误。补丁验证拒绝不太可能是给定错误的良好补丁的补丁。我们在来自 Google 代码库的三个错误集合上对这两种策略进行评估，其候选补丁由内部代理式 APR 系统生成。在一组 174 个人类报告的错误上，通过我们的策略删除的错误和补丁可将成功率提升至最高可达 13 个百分点和 15 个百分点，组合使用后可提升至最高可达 39 个百分点。在空指针异常和安全器报告的错误以及使用机器生成错误报告的错误上，补丁验证也提高了平均单样本成功率。这一双策略方法为代理式 APR 系统的可靠工业级部署提供了实际路径。