Improving Patch Optimization Quality in Multi-Chunk Program Repair

APR(Automated Program Repair)은 코드 정정 작업을 자동으로 수행하는 기술이다. 학습 기반 APR 방법은 자동화 프로세스에서 딥 러닝 모델의 잠재력을 사용하여 좋은 결과를 보여주고 있다. 최근 APR 연구들 중에 한 연구에서는 근접성에 따라 버그 청크를 그룹화하고 미세 조정된 CodeBERT를 사용하여 각 그룹에 대한 미니 패치들을 생성한다. 그런 다음 패치 최적화 단계를 적용하여 생성된 미니 패치를 최종 패치 집합으로 변환한다. 이 단계에서는 미니 패치를 필터링하고 정확성 확률로 순위를 정한 후에 각 집합에서 일정 개수의 정확한 패치를 선택하여 결합한다. 본 논문에서는 패치 최적화 단계에서 패치 생성 품질을 더욱 강화할 수 있도록 몇 가지 개선 사항을 제안한다. 실험에서 개선 전 연구를 포함한 이전 연구들과 비교하여 본 기법의 향상된 효과를 보인다.