Методы автоматизированного исправления программ,основанные на глубоком обучении, продемонстрировали значительные улучшения в устранении ошибок. В этих методах часто используются предварительно обученные модели нейро-машинного перевода для создания исправлений для ошибочного исходного кода. Для исходного кода с множеством ошибок в разных местах были предложены различные подходы, в том числе генерация множества патчей-кандидатов для каждого дефектного участка и их объединение для формирования окончательных патчей. Однако задача состоит в том, чтобы ранжировать эти сгенерированные патчи по вероятности их правильности и выбрать конкретное число из верхней части, так как объединять их все нецелесообразно. В данной работе мы представляем усовершенствованную методику оптимизации патчей, которая решает эту задачу в три этапа: отсеивание ненужных патчей, ранжирование и отбор наиболее ранжированных патчей, а также их объединение. В экспериментах с использованием набора данных данный метод показал лучшую производительность по сравнению с другими исследованиями.
