패치 경량화와 문맥 정보를 활용한 프로그램 자동 정정 개선 = Enhancing Automated Program Repair using Patch Lightweighting and Context Information

국문 초록 (Abstract)

프로그램 자동 정정 연구에서 대규모 언어 모델(LLM)은 매우 중요한 역할을 한다. 하지만 토큰 제한 문제로 인해 LLM이 처리할 수 있는 토큰 개수의 한계를 넘는 경우 LLM의 기능을 최대한 활용하지 못하고 버그나 에러를 올바르게 정정하지 못하는 문제가 발생한다. 따라서 본 연구에서는 패치 경량화와 유사한 메서드 정보를 활용하여 LLM의 토큰 길이 제한을 극복하여 더 많은 버그를 정정하고자 한다. 버그가 있는 메서드와 가장 높은 유사도를 가지고 있는 메서드를 문맥 메서드로 활용하고, 메서드 중 길이가 긴 메서드의 경우 패치 경량화 방법을 활용하여 LLM이 처리 가능한 토큰으로 메서드가 구성되도록 한다. 이러한 방법을 적용한 결과, 적은 토큰으로도 효율적인 버그 정정이 가능함을 확인하였다.

다국어 초록 (Multilingual Abstract)

Large Language Models (LLMs) play a crucial role in the Automated Program Repair(APR) field. However, their effectiveness is constrained by token limitations. When the number of tokens exceeds the model’s capacity, it struggles to fully utilize its capabilities, often failing to correctly detect and fix bugs. This study proposed an approach that could leverage patch lightweighting and context information to overcome these constraints. By incorporating the most semantically similar method as a context method and applying patch lightweighting to long methods, we ensured that the methods remained within the LLM’s token limit. Through this approach, experimental results demonstrated that effective bug fixing could be achieved with fewer tokens, improving repair efficiency.