LLMBisect：通过比较分析管道突破 bug bisection 的障碍
机器学习
2025-10-31 v1
摘要
Bug bisection 是一个重要的安全任务，旨在理解由 bug 影响的软件版本范围，即识别引入 bug 的 commit。然而，传统的基于补丁的 bisection 方法面临若干重大障碍：例如，它们假设 bug 引起的 commit (BIC) 与补丁 commit 修改相同的函数，这并不总是成立。它们常仅依赖代码变更，而 commit message 经常包含丰富的漏洞相关信息。它们还基于简单启发式（例如假设 BIC 初始化补丁中删除的行），缺乏对漏洞的逻辑分析。在本文中，我们观察到大型语言模型 (LLM) 已然处于打破现有解决方案障碍的优势位置，例如理解补丁和 commit 中的文本与代码。不同于以往的 BIC 识别方法，我们提出了一个综合性的多阶段管道，利用 LLM 实现：（1）充分利用补丁信息，（2）对多个候选 commit 进行上下文比较，（3）通过一系列下选步骤逐步缩小候选范围。在我们的评估中，我们展示了该方法相较于最先进的解决方案实现了超过 38% 的显著性更好准确率。我们的结果进一步确认，综合性的多阶段管道至关重要，因为其将准确率提高了 60%。
引用
@article{arxiv.2510.26086,
title = {LLMBisect: Breaking Barriers in Bug Bisection with A Comparative Analysis Pipeline},
author = {Zheng Zhang and Haonan Li and Xingyu Li and Hang Zhang and Zhiyun Qian},
journal= {arXiv preprint arXiv:2510.26086},
year = {2025}
}