SemLoc 把 LLM 推理变成可执行约束，使故障定位答案可被测试验证。
资讯摘要
论文提出 SemLoc，把 LLM 对代码的自由文本推理转成可执行、可验证的语义约束：每条性质带固定类别并锚定到代码图中的变量定义、分支、循环或返回点，作为运行时检查插入并跑测试，得到语义违规谱；再用反事实验证在锚点打补丁并重跑测试。作者在 QuixBugs 和含 809 个真实 bug 的新数据集 SemBugs 上测试四个 LLM，报告 99.4% 约束可执行，并称其可提升答案可验证性。
要点速读
- SemLoc 将 LLM 推理转为带固定类别、锚定代码图节点的可执行约束，并作为运行时检查插入测试流程。
- 作者报告 99.4% 的约束成为运行时检查；在覆盖率并列场景中，仅凭违规即可将故障行排第一的比例为 40.9%，对比 SBFL 的 2.2% 和 Daikon 不变式的 7.0%。
- 作者报告 68.4% 的 SemLoc 排名第一答案带有测试确认的补丁，其中 93.6% 正确；其首名准确率与同输入 LLM 无显著差异（81.4% vs. 82.0%）。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/29 08:00:21（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。