使用大型语言模型检测和修复数据科学库的API误用
软件工程
2025-10-01 v1
摘要
数据科学库（如scikit-learn和pandas）专为处理和操作数据而设计。数据中心的本质使得检测这些库中的API误用更具挑战性。本文引入DSCHECKER，一种基于大型语言模型的 method，用于检测和修复数据科学库的API误用。我们确定了两项关键信息，即API指令和数据信息，可能对API误用检测和修复有益。我们使用三个LLM和来自五个数据科学库的误用进行实验，测试各种提示。我们发现，纳入API指令和数据特定细节可提高DSCHECKER检测和修复API误用能力，表现最好的模型实现了61.18%的检测F1分数和51.28%的修复率。基于这些结果，我们实现了DSCHECKER agent，包括一种自适应函数调用机制，可按需访问信息，模拟在误用信息事先未知的真实世界环境中。我们发现DSCHECKER agent实现了48.65%的检测F1分数和39.47%的修复率，展示了在真实世界场景中使用LLM进行API误用检测和修复的前景。
引用
@article{arxiv.2509.25378,
title = {Detecting and Fixing API Misuses of Data Science Libraries Using Large Language Models},
author = {Akalanka Galappaththi and Francisco Ribeiro and Sarah Nadi},
journal= {arXiv preprint arXiv:2509.25378},
year = {2025}
}
备注
10 pages, 3 figures, accepted in CASCON 25