随着软件系统规模不断扩展和复杂度日益提升，软件缺陷的出现频率和影响范围不断加剧，促使自动程序修复技术成为软件工程研究的热点方向之一。自动程序修复不仅能够减少人工调试成本和时间，还能提升软件的可靠性和维护效率。近年来，随着人工智能技术的飞速发展，尤其是大型语言模型（Large Language Models, LLMs）的兴起，利用这些强大的预训练模型进行自动程序修复逐渐成为可能，并展现出前所未有的潜力。 大型语言模型以其在自然语言理解和生成上的卓越表现，逐渐被引入编程语言处理领域，对代码生成、代码补全、程序修复等任务产生深远影响。本文所基于的最新研究系统性评估了四款开源大型语言模型——CodeLlama、LLaMA、StarCoder和DeepSeek-Coder，覆盖了从7亿到330亿参数规模的多种架构和专用目的，通过不同的提示策略在多种编程语言和修复场景中测试其自动程序修复能力。 首先，研究展示了模型专业化的重要性。
CodeLlama作为针对编程优化的专用模型，在修复性能上表现出明显优势，甚至超过了更大规模但通用性更强的LLaMA模型。这说明在自动程序修复任务中，模型的定制和专业调整能够更有效地理解代码语义和修复需求，提升修复准确率和效率。而较大的模型不一定保证更好的修复效果，提示了模型规模和任务匹配的复杂关系。 此外，修复过程中生成补丁的顺序也被发现具有重要启示意义。正确的修复补丁往往在早期生成结果中出现，表明及时终止生成过程并评估早期输出，对于提升自动修复效率具有实际价值。这不仅能够节省计算资源，还能加快开发者获取有效修复方案的速度，促进多轮交互和集成应用场景的发展。
研究进一步强调了提示（prompt）设计在修复性能中的关键作用。不同的提示策略对模型掌握修复上下文和生成高质量补丁有显著影响，合理设计提示可以显著改善修复准确性和覆盖范围。这为未来开发基于提示的自动程序修复系统提供了理论支持和技术路线，推动更智能和灵活的搜索与修复方式。 与此同时，该实证研究还覆盖了Java、C/C++和Python三大主流编程语言，并结合企业级和算法等级的两种不同缺陷场景，全面评估了模型的泛化能力和多样化适用性。实验数据涵盖超过60万个生成补丁，在六个广泛使用的修复基准集上进行实验，有效保障了结果的科学性和代表性。 尽管取得了积极成果，但该领域仍面临诸多技术挑战。
首先，自动程序修复需要模型深刻理解软件语义及上下文信息，而当前模型在代码语法和逻辑推理方面仍有提升空间。其次，如何有效融合动态测试、静态分析等传统软件工程技术与大规模语言模型，打造混合智能修复框架，是未来研究的重要方向。此外，模型训练的数据质量、样本多样性和提示设计的智能化程度也影响最终修复性能。 未来，随着算力的提升和架构创新，更大规模且定制化程度更高的语言模型有望诞生，专注于代码理解与生成的联合训练范式将进一步深化。自动程序修复系统将更加强调对实际软件开发环境的适配，如支持多语言、多平台的跨领域修复，为企业级应用提供稳定可靠的服务。 研究者和工程师们可以利用当前的评测结果，优化自动修复流程，选择合适的模型和提示策略，实现更高效、准确的代码修复。
同时，促进开源社区共享数据集和工具，提升研究透明度和复现性，推动整个领域健康发展。通过不断探索和创新，自动程序修复将在软件开发生命周期中扮演越来越重要的角色，帮助开发者化繁为简，提升软件质量和用户体验。 综上所述，大型语言模型在自动程序修复中展现了巨大的潜力和应用前景。通过深入实证评估，我们不仅揭示了模型规模、专业化程度、提示设计以及多语言支持对修复性能的影响规律，也为未来技术革新和产品落地提供了坚实基础。随着相关技术的不断深化，相信自动程序修复将迎来更加智能化和实用化的新时代，助力软件产业迈向新的高度。
