摘要

我们研究从诊断反馈（例如编译器错误信息）中学习程序修复的问题。程序修复面临两大挑战：其一，需要在源代码与诊断反馈之间进行符号的推理与追踪；其二，可用于程序修复的标注数据集规模相对较小。针对这两个挑战，本文提出两项创新解决方案。首先，我们引入一种程序-反馈图（program-feedback graph），将源代码与诊断反馈中与程序修复相关的符号进行关联建模，并在此基础上应用图神经网络（Graph Neural Network）来模拟修复过程中的推理机制。其次，我们提出一种自监督学习范式，利用网络上大量未标注的程序，生成海量额外的程序修复样本，用于预训练我们的模型。我们在两个应用场景中评估了所提出的方法：一是修复初学者编程作业（基于DeepFix数据集），二是修复程序合成系统的输出结果（基于SPoC数据集）。实验结果表明，我们提出的最终系统DrRepair显著优于现有方法，在DeepFix数据集上实现了68.2%的完整修复率（较之前最佳结果提升22.9%），在SPoC数据集上达到48.4%的合成成功率（较之前最佳结果提升3.7%）。