SynthFix：自适应神经符号代码漏洞修复

大语言模型 (LLM) 可以生成合理的代码补丁，但合理性不足以自动修复：补丁必须编译、通过测试并删除目标漏洞。我们提出了 SynthFix，一种神经符号修复框架，它将监督修复学习与编译器通知的反馈相结合。在训练期间，轻量级路由器在用于常见修复模式的监督 微调 (SFT) 和用于受益于符号反馈的示例的奖励 微调 (RFT) 之间进行选择。奖励结合了静态结构、lint/编译检查、安全扫描和公共执行测试（如果可用）；在推理时，相同的证据指导在贪婪下限下选择 best-of-K 候选者。在 Pyrepair、CodeFlaws 和 SVEN 上的五个代码 LLM (1.3B-7B) 中，SynthFix 比仅 SFT 和仅 RFT 基线改进了可部署修复指标，功能正确性相对提升高达 54%，安全许可提升高达 14%。我们的代码和数据可在 https://github.com/CoderDoge1108/SynthFix 获取。