提出回归缺陷修复基准与上下文增强方法

2026年10月15日，arXiv Artificial Intelligence 刊出 Anh Ho 等作者的研究，提出并评估 RegressionBug4APR 基准及上下文增强的 LLM 自动程序修复（APR）方法。据该报道，该基准当前包含 200 个回归 bug，采集自广泛使用的真实 GitHub 仓库，覆盖 Java 与 Python，并被整合进一个旨在促进 APR 研究的框架。报道称，这种上下文感知增强显著提升了基于 LLM 的 APR 表现，相比不使用此类上下文的 LLM APR，成功修复数量多出 1.6 倍。上述数字与效果均出自该来源的表述，仅代表其自身说法。目前该事件尚无其他跟进报道，基准规模与增强效果是否在后续版本中变化，暂未见更新。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。