摘要
我们介绍了一种新的基于Transformer的代码修复方法——NSEdit（神经-符号编辑）。仅给定包含错误的源代码，NSEdit能够预测出可以修复这些错误的编辑序列。编辑语法被形式化为一种正则语言，Transformer利用其作为神经-符号脚本接口来生成编辑程序。我们对Transformer进行了修改，增加了一个指针网络以选择编辑位置。训练了一个重排序器集合来重新排列通过束搜索生成的编辑序列。我们在验证集上对重排序器进行微调，以减少过拟合现象。NSEdit在多个代码修复数据集上进行了评估，并在CodeXGLUE基准测试中的Tufano小数据集上达到了新的最先进准确率（24.04%）。当程序从一个包变化到另一个包以及当有错误的程序具体化时，NSEdit表现出较强的鲁棒性。我们对所提出的方法进行了详细分析，并展示了每个组件的有效性。