Hyppää sisältöön
    • Suomeksi
    • In English
  • Suomeksi
  • In English
  • Kirjaudu
Näytä aineisto 
  •   Etusivu
  • 1. Kirjat ja opinnäytteet
  • Kandidaatin tutkielmat (kokotekstit)
  • Näytä aineisto
  •   Etusivu
  • 1. Kirjat ja opinnäytteet
  • Kandidaatin tutkielmat (kokotekstit)
  • Näytä aineisto
JavaScript is disabled for your browser. Some features of this site may not work without it.

Automaattinen ohjelmakorjaus suurten kielimallien avulla

Kivelä, Aarni (2025-07-17)

Automaattinen ohjelmakorjaus suurten kielimallien avulla

Kivelä, Aarni
(17.07.2025)
Katso/Avaa
Automaattinen_ohjelmakorjaus_suurten_kielimallien_avulla.pdf (332.5Kb)
Lataukset: 

Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty.
avoin
Näytä kaikki kuvailutiedot
Julkaisun pysyvä osoite on:
https://urn.fi/URN:NBN:fi-fe2025072979931
Tiivistelmä
Suurten kielimallien (LLM) kehitys on avannut uusia mahdollisuuksia automatisoituun ohjelmakorjaukseen (APR), joka pyrkii tunnistamaan ja korjaamaan ohjelmistovirheitä ilman ihmisen väliintuloa. Erityisesti suurissa ohjelmistoprojekteissa APR voi vähentää huomattavasti virheiden korjaamiseen kuluvaa aikaa ja työtä.

Tämä tutkielma on kirjallisuuskatsaus, jossa analysoidaan viime vuosien merkittävimpiä julkaisuja aiheesta. Tutkielma tarkastelee LLM-pohjaisten APR-menetelmien etuja, rajoituksia ja toimintaperiaatteita verrattuina perinteisiin lähestymistapoihin, kuten symboliseen analyysiin ja geneettisiin algoritmeihin perustuviin APR-menetelmiin. Lisäksi tutkielma tarkastelee APR-prosessin käytettävyyttä reaalimaailman tilanteissa erityisesti LLM-pohjaisten APR-menetelmien näkökulmasta.

Tutkielmassa APR-prosessia käsitellään kahdessa toiminnallisessa päävaiheessa: virheen paikantaminen (FL) ja korjauksen generoiminen (PR). Kumpaankin päävaiheeseen liittyen tarkastellaan keinoja mukauttaa LLM:ien toimintaa APR-prosessiin erilaisten kehotestrategioiden ja LLM:ien hienosäädön avulla.

LLM-pohjaiset APR-menetelmät ovat osoittautuneet selvästi tehokkaammiksi, tarkemmiksi ja sovellettavammiksi kuin perinteiset lähestymistavat. Tutkimuskenttää hallitsevat dekooderiarkkitehtuuriin perustuvat mallit, joiden generatiiviset kyvykkyydet ja yleistämispotentiaali tekevät niistä erityisen soveltuvia ohjelmakorjaukseen. Lisäksi hybridimenetelmät, jotka yhdistävät perinteisiä tekniikoita LLM-pohjaisiin ratkaisuihin, tarjoavat lupaavan suunnan tulevalle tutkimukselle.
Kokoelmat
  • Kandidaatin tutkielmat (kokotekstit) [1769]

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste
 

 

Tämä kokoelma

JulkaisuajatTekijätNimekkeetAsiasanatTiedekuntaLaitosOppiaineYhteisöt ja kokoelmat

Omat tiedot

Kirjaudu sisäänRekisteröidy

Turun yliopiston kirjasto | Turun yliopisto
julkaisut@utu.fi | Tietosuoja | Saavutettavuusseloste