כתבה
arXiv cs.AI ·
תיקון תוכנה אוטומטי עם LLM
Better Understanding, Better Fixes? A Study of Hallucination in LLM-based Automated Program Repair
מחקר על שיפור תוכנה אוטומטי באמצעות מודלי LLM. המחקר בוחן את השימוש במודלים כמו LLaMA ו-GPT לתיקון באגים בתוכנה. התוצאות מראות כי המודלים יכולים לתקן באגים, אך עדיין קיימים אתגרים בתחום.
תקציר מקורי באנגליתarXiv:2609.04909v1 Announce Type: cross Abstract: Large language models (LLMs) have significantly advanced automated program repair (APR), yet existing evaluations remain largely result-centric and provide limited insight into hallucination during repair. In APR, hallucination may arise not only in final patches but also in the intermediate artifacts that guide patch generation. To address this gap, we perform a multi-layered analysis of hallucination throughout the APR process. Specifically, we characterize hallucination as the production of patches or intermediate artifacts that are not faithfully grounded in the available repair evidence. We examine repair hallucination in final patches and understanding hallucination in intermediate artifacts through three tasks, namely triggering test
קרא במקור המקורי
arxiv.org
פתח כתבה מקורית