面向数据科学代码的知识增强程序修复方法
软件工程
2025-02-24 v1
摘要
本文介绍了DSrepair，这是一种为数据科学领域中由LLM生成带有错误代码的程序修复方法。DSrepair使用基于知识图谱的检索增强生成(RAG)进行API知识检索，同时通过错误知识丰富来构建程序修复提示。具体而言，为实现基于知识图谱的API检索，我们构建了DS-KG（数据科学知识图谱）用于广泛使用的数据科学库。对于错误知识丰富，我们采用抽象语法树(AST)在AST节点级别定位错误。我们在DS-1000数据集上对DSrepair的有效性进行了评估，使用五种最先进的基于LLM的修复基线方法，并针对四个先进的LLM进行测试。结果显示，DSrepair超过了所有五个基线方法。具体而言，当与第二名的基线方法相比时，DSrepair分别对每个被评估的四个LLM修复更多的44.4%、14.2%、20.6%和32.1%的有错误代码片段。此外，它还在每个任务所需的标记数方面实现了更高的效率，分别减少了17.49%、34.24%、24.71%和17.59%。
引用
@article{arxiv.2502.09771,
title = {Knowledge-Enhanced Program Repair for Data Science Code},
author = {Shuyin Ouyang and Jie M. Zhang and Zeyu Sun and Albert Merono Penuela},
journal= {arXiv preprint arXiv:2502.09771},
year = {2025}
}