摘要
大型语言模型（LLMs）使得自动程序修复（APR）在实际bug的处理上变得愈发可行，但直接从bug报告进行修复仍然面临约束不足的问题。Bug重现测试（BRTs）通过将bug报告转化为可执行的、特定于bug的信号，帮助填补这一空缺，指导修复并验证候选补丁。现有研究主要将BRT生成视为APR中的核心子问题，并使用失败-通过（F-P）标准来评估生成的BRT，即要求测试在有bug的代码上失败，而在正确修复的代码上通过。
我们指出，仅依赖F-P标准不足以实现BRT的目标，特别是一些F-P BRT表现得过于宽松，虽然重现了观察到的症状，但仍然允许不正确的补丁。我们通过将F-P BRT分为严格和宽松两类，正式化了这一缺失的质量维度，并通过实验证明，只有严格的BRT能够持续提高修复成功率。
此外，我们发现共同生成会引入测试与修复之间的错误耦合，在这个过程中，即使生成的补丁和测试都错误，F-P检查依然可能通过。基于这些发现，我们提出了CoHarden，一个利用宽松信号作为循环收敛标准的共同生成框架。CoHarden首先在任何修复之前生成测试，然后迭代强化测试与修复，直到生成的测试不再允许宽松回归。
实验表明，CoHarden在SWE-bench Verified上达到了69.4%的解决率和78.9%的F-P，通过与最强的仅修复和共同生成基线相比，解决率分别提升了9.6和7.9个百分点，并在不同的LLM基础和基准测试中一致取得了增益。
博主点评： CoHarden框架通过引入迭代强化机制，有效解决了传统F-P标准的不足，展现了在自动程序修复领域中的创新潜力。这不仅提升了修复的成功率，也为未来的研究提供了新的方向，值得关注和深入探索。