HyperFL: 소프트웨어 오류 위치 추정을 위한 쿼리 적응형 표현 학습

HyperFL: Query-Adaptive Representation Learning for Software Fault Localization

소프트웨어 오류 위치 추정은 보고된 문제의 원인이 되는 코드 위치를 식별하는 것으로, 자동 디버깅 및 프로그램 수정의 기본적인 단계입니다. 최근의 검색 기반 접근 방식은 오류 위치 추정을 밀집 검색 작업으로 정의하고, 이슈 보고서와 소스 코드 간의 공유 임베딩 공간을 학습합니다. 그러나 이러한 방법들은 모든 이슈 보고서를 고정된 쿼리 표현을 사용하여 인코딩하는데, 이는 실제 세계의 이슈 보고서가 길이, 구조 및 디버깅 정보 측면에서 상당한 다양성을 가지고 있다는 점과 모순됩니다. 이러한 한계를 해결하기 위해, 우리는 소프트웨어 오류 위치 추정을 위한 쿼리 적응형 표현 학습 프레임워크인 HyperFL을 제안합니다. HyperFL은 경량 하이퍼 네트워크를 사용하여 쿼리 인코더에 대한 쿼리별 LoRA 파라미터를 생성하며, 이를 통해 코드 인코더를 고정하고 재사용하면서 동적인 쿼리 적응을 가능하게 합니다. 실제 세계의 오류 위치 추정 벤치마크에서 수행한 실험 결과, HyperFL은 여러 임베딩 백본에서 일관되게 검색 성능을 향상시키며, 함수 수준의 MRR@10에서 최대 13.3%, Hit@1에서 16.7%의 상대적인 성능 개선을 달성했습니다. 추가 분석 결과, HyperFL은 다양한 이슈 특성에 대한 구별되는 적응 패턴을 학습하며, 이는 소프트웨어 이슈 위치 추정을 위한 쿼리 적응형 표현의 효과성을 강조합니다.

Software fault localization identifies the code locations responsible for reported issues and is a fundamental step toward automated debugging and program repair. Recent retrieval-based approaches formulate fault localization as a dense retrieval task by learning a shared embedding space between issue reports and source code. However, these methods encode all issue reports using a fixed query representation, despite the substantial diversity of real-world issue reports in length, structure, and debugging information. To address this limitation, we propose HyperFL, a query-adaptive representation learning framework for software fault localization. HyperFL employs a lightweight hypernetwork to generate query-specific LoRA parameters for the query encoder, enabling dynamic query adaptation while keeping the code encoder fixed and reusable. Experiments on a real-world issue localization benchmark demonstrate that HyperFL consistently improves retrieval performance across multiple embedding backbones, achieving up to 13.3% relative improvement in function-level MRR@10 and 16.7% relative improvement in Hit@1 over the state-of-the-art method SweRank. Further analysis shows that HyperFL learns distinct adaptation patterns for different issue characteristics, highlighting the effectiveness of query-adaptive representations for software issue localization.