同行辅助修复器：赋能大语言模型修复高级学生作业

编程作业反馈的自动生成对编程教育具有显著益处，尤其是在处理高级作业时。自动程序修复技术，尤其是基于大语言模型的方法，在修复入门级作业方面已获得显著认可。然而，用于评估的程序相对简单。现有方法在修复高级编程课程程序方面的表现尚不清楚。为解决这些局限，我们从一门高级编程课程中整理了一个新的高级学生作业数据集Defects4DS。随后，我们识别了修复高级作业中错误的相关挑战。基于分析，我们开发了一个由大语言模型驱动的框架PaR。PaR分三个阶段工作：同行解决方案选择、多源提示生成和程序修复。同行解决方案选择基于词汇、语义和句法标准识别紧密相关的同行程序。然后，多源提示生成巧妙地将多种信息源组合成全面且信息丰富的提示，用于最后的程序修复阶段。在Defects4DS和另一个经过充分研究的ITSP数据集上的评估表明，PaR实现了新的最先进性能，与先前最先进的基于大语言模型和基于符号的方法相比，修复率分别提升了19.94%和15.2%。