通过基于 SHB 的上下文提取器修复并发错误的端到端方法

随着多核处理器和分布式系统的兴起，并发编程变得至关重要但也充满挑战，这主要是由于线程执行的不确定性。手动解决并发错误非常耗时且容易出错。自动程序修复技术提供了一个有前途的解决方案。然而，开发端到端并发错误修复工具尤其具有挑战性。大多数现有工具都依赖于这样的假设：与错误相关的信息很容易获得，或者并发错误上下文是理想提取的，这在现实场景中通常是不切实际的。本文介绍了 ConFixAgent，这是一个 LLM 驱动的代理，能够以端到端的方式修复各种类型的并发错误，从而无需任何先前的错误相关信息。具体来说，我们提出了一种专为并发错误修复而设计的新颖的上下文提取方法，利用静态发生前图来识别与错误相关的部分。我们实现了 ConFixAgent 并在多个基准集上对其进行了评估。我们的大量实验表明，ConFixAgent 在解决各种类型的并发错误方面显着优于最先进的工具，其上下文提取方法显着提高了 LLM 生成的修复解决方案的准确性。