15、MACER：加速编译错误修复的模块化框架

MACER：加速编译错误修复的模块化框架

1. 引入

对于新手程序员而言，编程环境反馈（如编译器错误信息）虽在形式上无误，但在指导他们纠正错误方面却常常显得力不从心。这主要源于两个方面：其一，错误信息中使用的专业术语可能让初学者感到陌生；其二，编译器可能无法准确理解用户的意图。

例如，在C语言里，对于整数变量 i ，语句 0 = i; 会产生“表达式不可赋值”的错误。实际上，问题仅仅是赋值方向有误，但错误信息引入的“表达式”和“可赋值性”概念却可能使初学者困惑。

面对这样的反馈，初学者往往需要向人类导师寻求帮助，然而这种方式并不具备可扩展性。为解决这一问题，MACER应运而生，它能够自动为存在编译错误的程序提供修复建议，从而减轻人类导师的负担。

1.1 相关工作

• DeepFix ：它是最早运用深度学习（序列到序列模型）来同时定位和修复错误的方法之一。
• TRACER ：通过将修复流程划分为修复行定位和修复预测，取得了更好的性能。此外，它还引入了严格的 Pred@k 指标，该指标将预测的修复与学生期望的实际修复进行对比，而不是像现有的修复准确率指标那样仅仅统计编译错误的减少情况。
• RLAssist ：引入了强化学习，从而消除了对标记训练数据的需求，但训练时间较长。

1.2 主要贡献

• 模块化修