We present Wolverine, an integrated Debug-Localize-Repair environment for heap manipulating programs. Wolverine packages a new bug localization algorithm that reduces the search space of repairs and a novel, proof-directed repair algorithm to synthesize the repair patches. While concretely executing a program, Wolverine displays the abstract program states (as box-and-arrow diagrams) as a visual aid to the programmer. Wolverine supports "hot-patching" of the generated patches to provide a seamless debugging environment, and the bug localization enkindles tremendous speedups in repair timing. Wolverine also facilitates new debug-localize-repair possibilities, specification refinement, and checkpoint-based hopping. We evaluate our framework on 6400 buggy programs (generated using automated fault injection) on a variety of data-structures like singly, doubly, and circular linked lists, AVL trees, Red-Black trees, Splay Trees, and Binary Search Trees; Wolverine could repair all the buggy instances within realistic programmer wait-time (less than 5 sec in most cases). Wolverine could also repair more than 80% of the 247 (buggy) student submissions (where a reasonable attempt was made).


翻译:我们向程序员展示了金刚狼(一个综合的调试-本地化-Repair 环境,一个综合调试程序) 。金刚狼套装了一个新的臭虫本地化算法,减少了修理搜索空间,并提供了合成修理补丁的新的、由证据指导的修理算法。在具体实施一个程序的同时,金刚狼展示了抽象程序状态(作为箱形和箭形图表),作为程序员的视觉辅助工具。金刚狼支持生成的补丁的“热吸附”以提供一个无缝调试环境,以及臭虫本地化在修理时的快速加速。金刚狼也为新的调试-地方化可能性、规格改进和基于检查站的购物提供了便利。我们评估了我们关于6400个错误程序的框架(通过自动错误注入生成),这些框架涉及诸如单式、双倍和循环链接列表、AVL树、红色树、Splay树和Binary搜索树等数据;金刚狼可以在现实的计程中修复所有错误事件(在多数情况下没有超过25秒的尝试) 。

0
下载
关闭预览

相关内容

【EMNLP2020】序列知识蒸馏进展,44页ppt
专知会员服务
38+阅读 · 2020年11月21日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
13+阅读 · 2019年4月17日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Arxiv
0+阅读 · 2021年1月20日
VIP会员
相关VIP内容
【EMNLP2020】序列知识蒸馏进展,44页ppt
专知会员服务
38+阅读 · 2020年11月21日
Stabilizing Transformers for Reinforcement Learning
专知会员服务
59+阅读 · 2019年10月17日
[综述]深度学习下的场景文本检测与识别
专知会员服务
77+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
13+阅读 · 2019年4月17日
【NIPS2018】接收论文列表
专知
5+阅读 · 2018年9月10日
Top
微信扫码咨询专知VIP会员