ASE 2026採択論文：コード修正AIは不具合報告のどこを見るか——成功時は説明・テスト・エラーへ広く注目

結論から言うと、コード修正AIが成功するときは不具合報告の一部だけに飛びつかず、説明、エラーの流れ、テストなど複数の手掛かりを広く読む傾向がある。

第41回IEEE/ACM Automated Software Engineering（ASE 2026）採択論文は2026年7月28日、LLMによる自動プログラム修正で「注意」がどこへ向くかを調べた初の実証研究をarXivで公開した。対象はSWE-bench VerifiedとMulti-SWE-benchに含まれるPython・Javaの実在バグ319件だ。

研究チームは、不具合報告の各部分へ注意がどう配られるか、成功例と失敗例で何が違うか、人間の開発者が重要と考える部分と合うかを比較した。その結果、正しい修正では不具合の説明、スタックトレース、テストケースなど複数の診断情報へ注意が分散した。一方、失敗時は版番号などのメタデータへ注意が集中しやすく、人が重要と示した節や語句とAIの注意がよく合うほど成功しやすかった。

開発者には、AIへエラー全文や再現テストを渡し、版番号だけで判断させない工夫の根拠になる。ただし注意の分布は、AIの判断理由そのものを完全に説明するとは限らない。319件の結果を全言語・全モデルへ一般化できず、著者も将来の修正システム設計への手掛かりとして位置付けている。