講演抄録/キーワード |
講演名 |
2024-03-08 15:25
ChatGPTを用いたプログラム修正におけるソースコードの意味的情報の影響 ○堀 翔太・柗本真佑・肥後芳樹・楠本真二(阪大)・安田和矢・伊藤信治・張潘タンフエン(日立) SS2023-73 |
抄録 |
(和) |
ソフトウェア開発におけるデバッグ支援の一つとして,大規模言語モデル(LLM)を用いた自動プログラム修正(LLM-APR)が注目されている.既存研究では LLM-APRのプログラム修正性能を実験的に確認しているが,ソースコードに付帯する情報の影響は明らかにされていない.本研究では LLM-APR の性能改善を目的として,ソースコードが持つ意味的情報の影響を調査する.意味的情報とはソースコードのコンパイル・実行には影響を与えない,ソースコード理解のための情報であり,JavaDoc に記載された仕様やメソッド名などが該当する.調査では意味的情報の有無を制御した 4 種類のプロンプトを作成し,各プロンプトのプログラム修正成功の割合を調べる.調査の結果,多くの意味的情報を含むほど LLM-APR の性能が高くなる傾向にあることを確認した.LLM-APR は開発者によるソースコード理解と同様に,仕様や変数名などから修正対象メソッドの取るべき振る舞いを類推していると考えられる. |
(英) |
|
キーワード |
(和) |
大規模言語モデル / 自動プログラム修正 / 意味的情報 / ChatGPT / / / / |
(英) |
/ / / / / / / |
文献情報 |
信学技報, vol. 123, no. 414, SS2023-73, pp. 144-149, 2024年3月. |
資料番号 |
SS2023-73 |
発行日 |
2024-02-29 (SS) |
ISSN |
Online edition: ISSN 2432-6380 |
著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します.(許諾番号:10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) |
PDFダウンロード |
SS2023-73 |