读paper16-微调LLM的APR与正确性验证
读paper16-微调LLM的APR与正确性验证
RepairCAT: Applying Large Language Model to Fix Bugs in AI-Generated Programs
从数据集构造到模型微调。使用微调后的LLM生成数据集进行大模型微调
数据集不进行缺陷定位，而是将整个有问题的程序一并处理，让模型决定修复的位置。
https://github.com/nus-apr/cerberus 。一个研究加速框架，它提供了多种先进程序分析工具（如 Infer 和 Pulse）、模糊测试工具（如 AFL++、Jazzer）以及程序修复工具（如 F1X、SelfAPR 等）的接口
Improving Patch Correctness Analysis via Random Testing and Large Language Models
https://ieeexplore.ieee.org/document/10638611
Accelerating Patch Validation for Program Repair With Interception-Based Execution Scheduling
https://ieeexplore.ieee.org/document/10417068
APPT: Boosting Automated Patch Correctness Prediction via Fine-Tuning Pre-Trained Models
本博客所有文章除特别声明外，均采用 CC BY-NC-SA 4.0 许可协议。转载请注明来自 ZWN's blog！
相关推荐
评论
