计算机行业2024AI研发数字峰会AIDD北京站：一种基于修复偏好的自动程序修复工具集成策略

　　展望1：集成方案的优化

    　　提高Top 1选中正确APR的概率

    　　传统的APR工具根据其修复偏好关联Bug特征，能够有效匹配工具和Bug

    　　但基于学习的NPR工具主要依赖修复历史，类似用Bug之间的相似度替代NPR和Bug的关联

    　　尝试用“基于学习的策略”度量NPR和Bug之间的关联收集数据集，训练为Bug预测NPR的分类器，替换基于Repair History的计算模块

    　　但是，该集成思路能正确修复的Bug数量，无法超越所有单个模型能修复的Bug并集能力更强的APR工具；在生成补丁程序Token时集成不同的修复工具。