Newest papers

RXSynth: A Seed-Grounded Corpus for Studying Java Runtime-Exception Bugs

Parnian Eslamloo, Banani Roy · 2026 · arXiv (Cornell University)

DOI: 10.48550/arxiv.2610.24902 · cited by 0 works (OpenAlex) · open-access PDF

Vietnamese

Tuy nhiên, các điểm tham khảo lỗi ngữ cảnh của tokimat Java cung cấp dữ liệu cấp phương pháp giới hạn để nghiên cứu phát hiện ngoại lệ chạy thời gian. Filtering Defects4J, Bugs.jar, Bears, và BugSwarm chỉ tạo ra 170 cặp kiểm soát lỗi thực / cố định trên bảy loại ngoại lệ không được kiểm tra. Chúng tôi giới thiệu RXSynth, một corpus của 4.275 cặp phương pháp Java tổng hợp được tạo ra từ các bản sao lỗi thực / cố định. Chúng tôi chọn máy phát điện bằng cách sử dụng sự sắp xếp cấu trúc với hạt giống thực và xác nhận các cặp bằng cách sử dụng một quy trình dán nhãn hai giai đoạn xác định rủi ro ngoại lệ được dán nhãn và kiểm tra xem việc sửa chữa có đúng hay không. Thực hiện độc lập JVM xác nhận tính hợp lệ cho 84.2% của một mẫu 500 cặp

Machine translation (Meta M2M100); the English original follows.

Abstract

Existing Java bug benchmarks offer limited method-level data for studying runtime-exception detection. Filtering Defects4J, Bugs.jar, Bears, and BugSwarm yields only 170 real buggy/fixed method pairs across seven unchecked exception types. We introduce RXSynth, a corpus of 4,275 synthetic Java method pairs generated from real bug/fix exemplars. We select the generator using structural alignment with real seeds and validate pairs using a two-stage patch-anchored procedure that identifies the labelled exception risk and checks whether the repair removes it. Independent JVM execution confirms patch-local validity for 84.2% of a stratified sample of 500 pairs. Provenance records enable evaluation without overlap between generation exemplars and test bugs. Structural analyses show good alignment within the represented size range, but compression of larger methods. We use RXSynth to compare isolated-method detection with pair discrimination when the repair is visible. Under provenance-controlled evaluation, supervised isolated-method ROC-AUC is about 0.55-0.64. Stronger zero-shot models reach about 69% accuracy but identify only 41.2% of repaired methods correctly. In contrast, fine-tuned encoders achieve 70.4-74.8% accuracy with both versions available. However, a simple token-growth rule achieves 84.7% expected accuracy, highlighting repair-direction cues. On 36 pairs without token growth, encoder accuracy falls to approximately chance, while GPT-5.5 and Gemini 3.1 Pro exceed 94%. RXSynth thus supports contrastive, patch-oriented, and context-aware studies; pairwise evaluations should control for provenance and directional surface cues before interpreting high accuracy as defect understanding.

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Topics: Computer science, Java, Encoder, Pairwise comparison, Generator (circuit theory), Security token

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange