SVRepair: Structured Visual Reasoning for Automated Program Repair
SVRepair एक मल्टीमॉडल स्वचालित प्रोग्राम रिपेयर फ्रेमवर्क है जो विज़ुअल बग रिपोर्ट्स और कोड फिक्स के बीच के सिमेंटिक गैप को भरने के लिए विषम विज़ुअल आर्टिफ़ेक्ट्स को स्ट्रक्चर्ड सिमेंटिक सीन ग्राफ में रूपांतरित करता है ताकि फॉल्ट लोकलाइज़ेशन और पैच सिंथेसिस को बढ़ाया जा सके, जिससे कई बेंचमार्क पर स्टेट-ऑफ-द-आर्ट प्रदर्शन प्राप्त होता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए कि आप एक सॉफ्टवेयर डिटेक्टिव हैं जो एक टूटे हुए ऐप को ठीक करने की कोशिश कर रहे हैं। आमतौर पर, आपको उपयोगकर्ता से केवल एक लिखित नोट मिलता है जिसमें लिखा होता है, "बटन काम नहीं कर रहा है।" लेकिन वास्तविक दुनिया में, उपयोगकर्ता अक्सर आपको टूटी हुई स्क्रीन की एक फोटो, या यह दिखाने के लिए एक फ्लोचार्ट भेजते हैं कि ऐप कहाँ अटक गया, या अव्यवस्थित लेआउट दिखाने वाला एक स्क्रीनशॉट भेजते हैं।
समस्या यह है कि वर्तमान AI डिटेक्टिव्स टेक्स्ट पढ़ने में तो माहिर हैं लेकिन तस्वीरें देखने में बहुत खराब हैं। यदि आप उन्हें किसी जटिल वेबसाइट का पूरा स्क्रीनशॉट दिखाते हैं, तो वे घबरा जाते हैं। वे बहुत अधिक "शोर" (जैसे कोने में रखा एक सजावटी फूल) देखते हैं और वास्तविक "सुराग" (बीच में एक टूटा हुआ बटन) को मिस कर देते हैं। वे गलत कोड का अनुमान लगा सकते हैं जिसे ठीक करने के लिए उपयोग किया जाना चाहिए, या वे एक ऐसा समाधान बना सकते हैं (hallucinate) जिसका अस्तित्व ही नहीं है।
SVRepair एक नया सिस्टम है जिसे इसे हल करने के लिए एक सुपर-स्मार्ट ट्रांसलेटर और एक केंद्रित डिटेक्टिव के रूप में डिज़ाइन किया गया है। यह इस प्रकार काम करता है, जिसे सरल चरणों में विभाजित किया गया है:
1. ट्रांसलेटर: तस्वीरों को "ब्लूप्रिंट" में बदलना
सबसे पहले, SVRepair एक विशेष AI मॉडल (जिसे SVR कहा जाता है) का उपयोग करके उस अव्यवस्थित स्क्रीनशॉट या फ्लोचार्ट को देखता है। केवल यह कहने के बजाय कि "मुझे एक लाल बटन दिख रहा है," यह छवि को एक सिमेंटिक सीन ग्राफ (Semantic Scene Graph) में अनुवादित करता है।
- सादृश्य (Analogy): कल्पना कीजिए कि स्क्रीनशॉट एक अराजक अपराध स्थल की फोटो है। SVR मॉडल केवल फोटो का वर्णन नहीं करता है; यह एक ब्लूप्रिंट बनाता है। यह हर वस्तु (नोड्स) को सूचीबद्ध करता है और वे एक-दूसरे से बिल्कुल कैसे जुड़ते हैं (एजेस/edges) यह बताता है। यह कहता है, "यह 'FromName' बॉक्स 'Origin' कंटेनर के अंदर है, और यदि आप इस पर क्लिक करते हैं, तो यह इस विशिष्ट फ़ाइल को ट्रिगर करता है।"
- यह क्यों मदद करता है: यह एक भ्रमित करने वाली तस्वीर को एक साफ, संरचित सूची में बदल देता है जिसे कोडिंग AI वास्तव में समझ सकता है और उस सटीक कोड की लाइन को खोजने के लिए उपयोग कर सकता है जो खराब है।
2. डिटेक्टिव: कोडिंग एजेंट
एक बार जब ब्लूप्रिंट तैयार हो जाता है, तो एक "कोडिंग एजेंट" (एक AI प्रोग्रामर) कार्यभार संभाल लेता है। यह बग को खोजने के लिए ब्लूप्रिंट का उपयोग करता है:
- बग का पता लगाना: यह उस सटीक फ़ाइल और कोड की लाइन को ढूंढता है जो त्रुटि के लिए जिम्मेदार है।
- फिक्स लिखना: यह समस्या को ठीक करने के लिए एक पैच (एक कोड अपडेट) तैयार करता है।
- परीक्षण करना: यह यह देखने के लिए कि क्या फिक्स वास्तव में काम करता है, एक सुरक्षित, अलग वातावरण (जैसे कि सैंडबॉक्स) में कोड को चलाता है।
3. ज़ूम लेंस: शोर को बाहर निकालना
कभी-कभी, ब्लूप्रिंट अभी भी बहुत बड़ा होता है। यदि स्क्रीनशॉट में 50 बटन हैं, तो AI इस बात को लेकर भ्रमित हो सकता है कि समस्या कौन सी है।
- सादृश्य (Analogy): इसे कैमरे के ज़ूम लेंस का उपयोग करने के रूप में सोचें। यदि पहला फिक्स विफल रहता है, तो SVRepair केवल फिर से अनुमान नहीं लगाता है। यह त्रुटि को देखता है, यह पता लगाता है कि छवि का कौन सा हिस्सा प्रासंगिक है, और केवल उस विशिष्ट क्षेत्र को दिखाने के लिए फोटो को क्रॉप (काट) देता है।
- प्रक्रिया: यह इस "सब-आर्टिफैक्ट" (क्रॉप की गई, केंद्रित छवि) को लेता है, इसे एक नए, और भी विस्तृत ब्लूप्रिंट में अनुवादित करता है, और इसे वापस कोडिंग एजेंट के पास भेजता है। यह तब तक एक लूप में चलता रहता है जब तक कि बग मिल नहीं जाता और ठीक नहीं हो जाता। यह AI को स्क्रीन के अप्रासंगिक हिस्सों से विचलित होने से रोकता है।
उन्होंने क्या हासिल किया?
शोधकर्ताओं ने SV-Repair का परीक्षण तीन अलग-अलग "परीक्षा बोर्डों" (बेंचमार्क) पर किया जो वास्तविक दुनिया की कोडिंग समस्याओं का अनुकरण करते हैं:
- SWE-Bench M: वास्तविक दुनिया के सॉफ्टवेयर मुद्दों को ठीक करने का एक परीक्षण। SVRepair ने 36.47% सटीकता प्राप्त की, जो पिछले सभी तरीकों को पछाड़ देती है।
- MMCode: छवियों वाले एल्गोरिथम संबंधी समस्याओं का एक परीक्षण। SVRepair ने 38.02% स्कोर किया।
- CodeVision: फ्लोचार्ट को कोड में बदलने का एक परीक्षण। SVRepair ने 95.12% का विशाल स्कोर किया।
मुख्य निष्कर्ष (The Bottom Line)
SVRepair पहला ऐसा सिस्टम है जो दृश्य सुरागों (स्क्रीनशॉट, आरेख) और कोड फिक्स के बीच के अंतर को सफलतापूर्वक पाटता है। अस्त-व्यस्त छवियों को संरचित ब्लूप्रिंट में बदलकर और फिर समस्या वाले विशिष्ट क्षेत्र पर ज़ूम करके, यह AI को पहले की तुलना में बहुत अधिक सटीकता के साथ सॉफ्टवेयर बग्स को ठीक करने में मदद करता है। यह साबित करता है कि अगली पीढ़ी के सॉफ्टवेयर रिपेयर के लिए, हमें ऐसे AI की आवश्यकता है जो वास्तव में दृश्य दुनिया को "देख" और समझ सके, न कि केवल टेक्स्ट को पढ़ सके।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।