加州大学河滨分校的 SemLoc 用大语言模型以 36 分优势击败传统找 Bug 工具
加州大学河滨分校的 SemLoc 把大语言模型的程序推理转化为运行时可检验的约束，使 Python 故障定位的 Top-1 准确率相对基于频谱的基线从 6.4% 提升到 42.8%，提高了约 36 个百分点。之所以重要，是因为它把大模型的推理锚定在可验证的检查上，而不是停留在自由形式的猜测，从而让自动调试显著更可靠。
报道来源
- Alpha Signal2026-10-28 06:01
加州大学河滨分校的 SemLoc 把大语言模型的程序推理转化为运行时可检验的约束，使 Python 故障定位的 Top-1 准确率相对基于频谱的基线从 6.4% 提升到 42.8%，提高了约 36 个百分点。之所以重要，是因为它把大模型的推理锚定在可验证的检查上，而不是停留在自由形式的猜测，从而让自动调试显著更可靠。