ملخص تقني: إطار عمل HSR-APR

بيان المشكلة

تواجه أنظمة إصلاح البرامج الآلي (APR) الحالية، وخاصة تلك التي تعتمد على النماذج اللغوية الكبيرة (LLMs)، أربعة قيود حرجة:

1. الاعتماد المفرط على الاختبار الوظيفي: تعتمد معظم النهج على التحقق من الرقع البرمجية (patches) فقط من خلال حالات اختبار وظيفية، مما يفشل في ضمان الأمان أو الصحة عبر جميع سلوكيات البرنامج.
2. نقص التكامل الأمني: غالبًا ما يُعامل الأمن كمسألة منفصلة بدلاً من كونه جزءًا لا يتجزأ من مسار الإصلاح، مما يؤدي إلى رقع برمجية صحيحة وظيفيًا ولكنها تُدخل ثغرات أمنية (مثل حقن الأوامر، أو استخدام واجهات برمجة تطبيقات غير آمنة).
3. عدم كفاية دمج التحليل التقليدي: تعمل العديد من الأنظمة القائمة على النماذج اللغوية الكبيرة بمعزل عن غيرها، وتفتقر إلى التكامل العميق مع التحليل الساكن، وتحديد موقع الخطأ، وآليات الاسترجاع التي توفر سياقًا مهيكلًا.
4. عدم القدرة على التعلم من الفشل: غالبًا ما تتجاهل أنظمة الإصلاح التكرارية التقليدية المعلومات الناتجة عن المحاولات الفاشلة، مما يتسبب في جعل الوكيل (agent) يستكشف الاستراتيجيات غير الناجحة بشكل متكرر دون ذاكرة منهجية أو تأمل ذاتي.

المنهجية

يقترح البحث إطار عمل HSR-APR (إصلاح البرامج الآلي الهجين والآمن والتأملي)، وهو إطار عمل موحد مصمم لتحويل إصلاح البرامج الآلي (APR) من عملية توليد ذات خطوة واحدة إلى دورة تكرارية، واعية بالسياق، وواعية أمنيًا. يدمج إطار العمل المكونات التالية:

1. التحليل الهجين واسترجاع السياق

• التحليل الساكن وتحديد موقع الخطأ: قبل توليد الرقعة، يستخدم إطار العمل أدوات مثل Pylint (جودة الكود)، وBandit، وSemgrep (الأمن) لتحليل المستودع. يقوم نموذج تحديد موقع الخطأ بدمج تقارير الأخطاء، وفشل الاختبارات، والتحليل السático لتحديد مناطق الكود المشبوهة، مما يقلل من مساحة البحث للنموذج اللغوي الكبير.
• التوليد المعزز بالاسترجاع (RAG): باستخدام Sentence Transformers وFAISS، يقوم النظام باسترجاع سياق المستودع ذي الصلة دلاليًا (الكود المصدري، التوثيق، الإصلاحات التاريخية) لإثراء المطالبة (prompt) الخاصة بالنموذج اللغوي، مما يضمن وصول الوكيل إلى معرفة محددة بالمشروع.

2. توليد الرقع البرمجية القائم على النماذج اللغوية الكبيرة

يتلقى وكيل الإصلاح (المُنفذ باستخدام GPT-5 / Qwen2.5-Coder) مطالبة مهيكلة تحتوي على وصف الخطأ، والكود المحدد الموقع، ونتائج التحليل الساكن، والسياق المسترجع. يقوم الوكيل بتوليد رقعة مرشحة تهدف إلى إصلاح العيب مع الحفاظ على السلوك المتوقع.

3. التحقق ثنائي المرحلة

على عكس الـ APR القياسي، يفرض HSR-APR عملية تحقق من خطوتين:

• التحقق الوظيفي: تنفيذ مجموعات الاختبار باستخدام pytest للتحقق من الصحة الوظيفية.
• التحقق الأمني: تحليل الرقعة المولدة صراحةً باستخدام Bandit وSemgrep للكشف عن الثغرات الجديدة أو الأنماط غير الآمنة. لا يتم قبول الرقعة إلا إذا اجتازت كلتا المرحلتين.

4. التأمل الذاتي وذاكرة التأمل التكيفية (ARM)

إذا فشلت الرقعة في التحقق، يقوم نموذج التأمل بتحليل الفشل (الاختبارات الفاشلة، التحذيرات الأمنية، والرقعة نفسها) لإنتاج ملخص تأملي مهيكل.

• ذاكرة التأمل التكيفية (ARM): يقوم هذا المكون بتخزين سجلات مهيكلة لمحاولات الإصلاح، بما في ذلك أسباب الفشل، والانتهاكات الأمنية، والاستراتيجيات الناجحة.
• التحسين التكراري: في التكرارات اللاحقة، يتم استرجاع السجلات ذات الصلة من ARM ودمجها في مطالبة محسنة، مما يسم يسمح للنموذج اللغوي الكبير بالتعلم من أخطائه السابقة وتجنب تكرار الاستراتيجيات غير الناجحة.

المساهمات الرئيسية

حدد المؤلفون أربع مساهمات رئيسية:

1. إطار عمل هجين موحد: دمج تحليل الكود الساكن، وRAG، والتحقق الوظيفي/الأمني، والتوليد القائم على النماذج اللغوية الكبيرة في مسار تكراري واحد.
2. ذاكرة التأمل التكيفية (ARM): آلية مبتكرة تسجل باستمرار أسباب الفشل والاستراتيجيات الناجحة لتوجيه تكرارات الإصلاح المستقبلية، مما يمكن النظام من "التعلم" من تاريخه الخاص.
3. التحقق الواعي أمنيًا: تصميم عملية تحقق تتحقق صراحةً من الرقع البرمجية مقابل المعايب الأمنية قبل القبول، مما يعالج فجوة الإشراف الأمني في الـ APR القائم على النماذج اللغوية الكبيرة.
4. تقييم شامل: تقييم صارم على معيار SWE-Bench Lite (300 حالة) لمقارنة الإطار الكامل مع النماذج المرجعية والنسخ المجردة لعزل تأثير كل مكون.

النتائج التجريبية

تم تقييم إطار العمل على 300 حالة من SWE-Bench Lite باستخدام أربعة تكوينات: النموذج اللغوي المرجعي (Baseline LLM)، وHybrid APR، وHybrid APR + Security Validation، وإطار HSR-APR الكامل.

المقياس	Baseline LLM	Hybrid APR	Hybrid + Security	HSR-APR
معدل نجاح الإصلاح	63% (189/300)	71% (213/300)	75% (225/300)	85% (255/300)
معدل اجتياز الاختبار	72%	81%	84%	92%
تقليل التحذيرات الأمنية	8%	22%	68%	87%
متوسط تكرارات الإصلاح	5.8	4.6	4.2	2.9
متوسط وقت التنفيذ	18 دقيقة	16 دقيقة	17 دقيقة	13 دقيقة

النتائج الرئيسية:

• الفعالية: حسن HSR-APR معدل نجاح الإصلاح بمقدار 22 نقطة مئوية عن النموذج المرجعي.
• الأمن: حقق إطار العمل انخفاضًا بنسبة 87% في التحذيرات الأمنية، وهو تحسن كبير مقارنة بالانخفاض بنسبة 8% الذي شهده النموذج المرجعي.
• الكفاءة: على الرغم من إضافة مراحل التحليل والتأمل، قلل HSR-APR من متوسط عدد التكرارات بنسبة 50% (من 5.8 إلى 2.9) ومن وقت التنفيذ بنحو 28% (من 18 إلى 13 دقيقة)، مما يثبت أن التعلم من الفشل يقلل من الحاجة إلى المحاولات المتكررة.

الأهمية والادعاءات

يزعم البحث أن HSR-APR يمثل تحولًا من "توليد الرقعة في خطوة واحدة" إلى "عملية إصلاح تكرارية وواعية بالمعرفة". تكمن أهميته في إثبات أن الجمع بين التحليل الهجين، والتحقق الأمني الصريح، وآليات الذاكرة التكيفية يمكن أن يحسن في آن واحد الفعالية، والأمن، والكفاءة للـ APR القائم على النماذج اللغوية الكبيرة.

يشير المؤلفون إلى أنه بينما النتائج واعدة، فإن قابلية تعميم إطار العمل خارج SWE-Bench Lite، وإمكانية تطبيقه على لغات برمجة أخرى (Java، C++، إلخ)، وتحسين حجم الذاكرة مقابل التكلفة الحسابية تظل مجالات للبحث المستقبلي. هذا العمل مدعوم من بنك المعرفة المصري (EKB) وهيئة دعم العلوم والتكنولوجيا والابتكار (STDF).