重新思考自动程序修复：Bug复杂度、故障定位与LLM成本效率

该研究评估了ChatRepair和CodeCorrector两种APR技术在DeepSeek、GPT、Llama三个LLM上的修复表现。结果显示，结构复杂的bug和模糊的故障定位会加大修复难度，但LLM技术仍保持有竞争力的修复效果；定位越不精确，两种技术间的性能差距越大。研究发现，更高成本的LLM和更强的推理设置并不总能带来更好的成本效率。GPT-5修复的复杂bug比DeepSeek-V4-pro多7个、比DeepSeek-V3.2多39个，但DeepSeek-V3.2的总修复成本效率最佳。超过50%的中等复杂bug可由低成本LLM技术修复。