为任务选择正确提示：使用大语言模型修复代码审查缺陷
软件工程
2024-01-01 v1
摘要
自动程序修复（APR）技术有潜力减少在代码审查（CR）过程中发现和修复程序缺陷所需的人工努力。然而，现有APR方法有限的准确性和可观的时间成本阻碍了它们在工业实践中的采用。一个关键因素是审查评论的未充分利用，这些评论提供了关于缺陷和潜在修复的宝贵见解。大语言模型（LLM）的最新进展增强了它们理解自然语言和编程语言的能力，使它们能够基于审查评论生成补丁。本文对有效利用LLM修复CR缺陷进行了全面研究。在本研究中，我们设计了多种提示，并使用来自人工审查者和自动检查器的两个不同数据集，在主流LLM上进行了比较。实验结果表明，使用最佳提示的修复率高达72.97%，突显了自动修复技术在有效性和实用性方面的显著提升。
引用
@article{arxiv.2312.17485,
title = {The Right Prompts for the Job: Repair Code-Review Defects with Large Language Model},
author = {Zelin Zhao and Zhaogui Xu and Jialong Zhu and Peng Di and Yuan Yao and Xiaoxing Ma},
journal= {arXiv preprint arXiv:2312.17485},
year = {2024}
}
备注
10 pages with 1 page for references