通过神经-符号编辑文法利用Transformer修复缺陷

我们提出 NSEdit（神经-符号编辑），一种基于 Transformer 的新型代码修复方法。在仅给定含缺陷源代码的情况下，NSEdit 预测可修复缺陷的编辑序列。该编辑文法被表述为正则语言，Transformer 将其用作神经-符号脚本接口以生成编辑程序。我们修改 Transformer 并添加指针网络以选择编辑位置。训练一组重排序器对束搜索生成的编辑序列重排序。我们在验证集上微调重排序器以减少过拟合。NSEdit 在多个代码修复数据集上评估，并在 CodeXGLUE 基准的 Tufano small 数据集上取得新的最优准确率（$24.04\%$）。当程序跨软件包变化且缺陷程序为具体实例时，NSEdit 表现稳健。我们对方法做了详细分析并论证了各组件的有效性。