MigGPT：利用大型语言模型实现跨版本 Linux 内核非树状补丁的自动迁移
软件工程
2025-11-27 v4 人工智能
操作系统
摘要
非树状内核补丁对于适配新硬件或实现特定功能至关重要。随着内核版本变化，维护和更新这些补丁需要经验丰富的工程师付出大量努力。大型语言模型（LLM）在各个领域取得了显著进展，表明其在自动化非树状内核补丁迁移方面具有潜力。然而，我们的发现表明，尽管 LLM 前景光明，但在不完整代码上下文理解和不准确的迁移点识别方面仍存在挑战。本文提出了 MigGPT 框架，该框架采用新颖的代码指纹结构保留代码片段信息，并包含三个精心设计的模块以提高非树状内核补丁迁移的准确性和效率。此外，我们构建了一个基于真实世界非树状内核补丁项目的强大基准，用于评估 LLM 的能力。评估结果表明，MigGPT 在迁移任务中显著优于直接应用常规 LLM，平均完成率达到 74.07。
引用
@article{arxiv.2504.09474,
title = {MigGPT: Harnessing Large Language Models for Automated Migration of Out-of-Tree Linux Kernel Patches Across Versions},
author = {Pucheng Dang and Di Huang and Dong Li and Kang Chen and Yuanbo Wen and Qi Guo and Xing Hu},
journal= {arXiv preprint arXiv:2504.09474},
year = {2025}
}