データに基づき自動修正も含む型エラーデバッギングの理論と実際

2022 年度 実施状況報告書

• 研究課題/領域番号: 19K20248
• 研究機関: 国立情報学研究所
• 研究代表者: 対馬 かなえ 国立情報学研究所, 情報学プリンシプル系, 特任研究員 (80754663)
• 研究期間 (年度): 2019-04-01 – 2024-03-31
• キーワード: 型エラー / デバッグ / 関数型言語 / プログラミング言語

研究実績の概要

本年度は、型エラーのプログラムの自動修正に関する研究を行った。自動修正が実現すれば、プログラマの負担を大幅に軽減することが可能となる。ただし、複数の修正可能性の中から正確にユーザーの意図した修正を選ぶことは難しい。しかし、経験豊富なプログラマは、エラー修正時に一定の予測が可能であり、関連知識があれば実現できる可能性があると考えた。
本研究では、プログラミング言語を理解し、いくつかの下流タスクを実行できるニューラルネットワークモデルを使用した。単純に型エラーのプログラムとそれを修正する情報だけではうまくいかないケースが多いため、まず複数のソースコード解析を行った。これにより、修正すべき箇所の位置情報や対応する型を取得できる。そして、これらの情報を活用して有用なプロンプトを生成し、GPT-3に提供することで修正率を向上させることができた。手法の評価には、数千のOCamlプログラムを含む既存の公開データセットを使用した。Quickcheckを用いて生成された修正が、ユーザーの意図した修正版と同じ出力を生成するかを検証した結果、修正率39%を達成し、型エラーのプログラムの自動修正における先駆的な成果を得ることができた。

現在までの達成度 (区分)

2: おおむね順調に進展している

理由

新たな型エラーデバッグ手法を導入しており、おおむね順調に進展している。

今後の研究の推進方策

昨年・今年度と導入した手法をさらに改良することを目指す。

次年度使用額が生じた理由

小さい子供の養育で、予定通りの出張ができなかったため。