通过设计推理增强基于大语言模型的自动程序修复
原文中文，约400字，阅读约需1分钟。发表于：。本研究解决了自动程序修复（APR）在实际应用中的低效问题，提出了一种新方法DRCodePilot，结合设计推理（DR）改善GPT-4-Turbo的修复能力。实验证明，该方法的全匹配率比直接使用GPT-4提高了4.7倍，显示出设计推理在提高其他模型（如CodeLlama、GPT-3.5和GPT-4）修复精准度方面的潜力，推动了APR领域的新进展。
该论文介绍了RepairAgent，是第一个基于大型语言模型的自主代理解决程序修复挑战的工作。RepairAgent通过调用合适的工具来自主规划和执行修复操作，并在164个错误中表现出良好效果。该研究为未来软件工程的代理技术铺平了道路。
