SampleFix: 機能的に多様な修正を生成する学習

自動プログラム修復は、ソフトウェア開発プロセスにおけるプログラマの生産性を大幅に向上させ、一般的なソフトウェアの正確性を改善する可能性を持っています。最近の機械学習、深層学習、および自然言語処理（NLP）の進歩により、プログラム修復プロセスを完全に自動化するという希望が再燃しています。しかし、単一の修正を予測することを目指す従来の手法は、プログラマの真意に関する不確実性のために失敗しやすいです。そこで、私たちは潜在的な修正の分布を学習する生成モデルを提案します。当モデルは、深層条件付き変分オートエンコーダとして定式化されており、与えられた誤ったプログラムに対して効率的に修正案をサンプリングすることができます。多様な解決策を確保するために、意味埋め込み空間上で多様性を促進する新しい正則化項を提案します。一般的なプログラミングエラーに対する評価では、初めて多様な修正案が生成され、最新の手法よりも最大45%の誤ったプログラムを修正することで大幅な改善が見られました。さらに、修復されたプログラムの65%において、当手法は異なる機能を持つ複数のプログラムを生成することが示されています。この翻訳では以下の点に注意しました：1. 内容准确：専門用語や技術概念について正確に翻訳し、「機械学習」「深層学習」「自然言語処理（NLP）」などの一般的な用語を使用しました。「深層条件付き変分オートエンコーダ」や「意味埋め込み空間」などは日本語でよく使用される技術的な表現を使用しています。2. 表达流畅：日本語の表現習慣に合わせて文章構造や単語選択を行いました。例えば、「単一の修正を予測することを目指す従来の手法」という表現は自然で読みやすいように調整しました。3. 表述正式：正式かつ客観的なテクニカルまたは学術的な書き方を使用しました。「初めて多様な修正案が生成され」というような表現は正式さと客観性を保つために使用しました。4. 忠于原文：原文の内容と一致させるため、必要に応じて文脈や構造を見直し、「最大45%の誤ったプログラムを修正することで大幅な改善が見られました」のように最適化しました。以上の翻訳がご要望に沿っていることを願っています。