LLM-CompDroid：利用预训练的大型语言模型修复Android应用中的配置兼容性问题

《ACM Transactions on Software Engineering and Methodology》：LLM-CompDroid: Repairing Configuration Compatibility Bugs in Android Apps with Pre-trained Large Language Models

本研究提出基于LLM的Android配置兼容性修复框架LLM-CompDroid，实验表明其修复性能优于ConfFix工具，并在实际应用中100%成功修复21个配置兼容性bug，提升应用可靠性。

　　

摘要

XML配置是Android开发框架的重要组成部分，尤其是在用户界面（UI）显示方面。然而，这些配置可能会导致兼容性问题（错误），从而在不同的Android API版本（级别）之间产生不同的视觉效果和系统崩溃。在这项研究中，我们系统地探讨了基于大语言模型（LLM）的方法来检测和修复配置兼容性错误。我们的研究结果指出了LLM在有效识别和解决这些错误方面存在的一些局限性，同时也揭示了它们在处理传统工具难以解决的复杂问题时的潜力。基于这些发现，我们推出了LLM-CompDroid框架，该框架结合了LLM和传统工具在错误修复方面的优势。实验结果表明，LLM-CompDroid在错误修复性能上有了显著提升，其中LLM-CompDroid-GPT-3.5和LLM-CompDroid-GPT-4在Correct和Correct@k指标上的表现分别比最先进的工具ConfFix高出至少9.8%和10.4%。此外，我们的实际应用评估显示，LLM-CompDroid成功修复了21个配置兼容性问题，成功率达到100%，证明了其实际效用。这种创新方法有望提高Android应用的可靠性和稳定性，为软件开发领域做出宝贵贡献。