大模型在软件缺陷检测与修复的应用发展综述

作     者：香佳宏 徐霄阳 孔繁初 彭湃 张钊 张煜群 

作者机构：南方科技大学斯发基斯可信自主系统研究院 南方科技大学计算机科学与工程系 深圳艾提亚科技有限公司 

出 版 物：《软件学报》 (Journal of Software)

年 卷 期：2025年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 081202[工学-计算机软件与理论] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(62372220) 

主　　题：大模型 缺陷检测 深度学习库缺陷检测 测试用例自动生成 GUI自动化测试 缺陷自动修复 

摘      要：随着信息化的深入,大量应用程序的开发和功能迭代不可避免引入软件缺陷,并潜在地对程序可靠性和安全性造成了严重的威胁.检测与修复软件漏洞,已经成为开发者维护软件质量必要的任务,同时也是沉重的负担.对此,软件工程的研究者在过去的数十年中提出大量相关技术,帮助开发者解决缺陷相关问题.然而这些技术都面对着一些严峻的挑战,在工业实践落地上鲜有进展.大模型,如代码大模型CodeX和对话大模型ChatGPT,通过在海量数据集上进行训练,能够捕捉代码中的复杂模式和结构,处理大量上下文信息并灵活地适应各种任务,以其优秀的性能吸引了大量研究人员的关注.在诸多软件工程任务中,基于大模型的技术展现出显著的优势,有望解决不同领域过去所面对的关键挑战.因此,尝试对目前已经存在基于大模型相关成熟技术的3个缺陷检测领域:深度学习库的缺陷检测、GUI自动化测试、测试用例的自动生成,与软件缺陷修复的成熟领域:缺陷自动化修复,进行分析和探究,在阐述其发展脉络的同时对不同技术流派的特性和挑战进行深入的探讨.最后,基于对已有研究的分析,总结这些领域和技术所面临的关键挑战及对未来研究的启示.