버그 해결(Bug resolution)은 여러 산출물(artifact)을 가로지르는 프로세스입니다. 즉, 자연어 리포트(natural-language reports)는 테스트에 의해 재현될 수 있고 패치(patches)에 의해 수정될 수 있는 실행 가능한 행동 단서(actionable behavioral cues)를 노출해야 합니다. 그러나 이러한 신호들이 산출물 전반에 걸쳐 어느 정도까지 보존되는지는 여전히 거의 정량화되지 않은 상태입니다. 우리는 버그 리포트, 트리거 테스트(triggering tests), 그리고 개발자가 작성한 수정 사항(fixes) 사이의 의미론적 정렬(semantic alignment)을 측정하기 위한 프레임워크인 Desc2Fix를 소개합니다. 정렬은 구조화된 행동 앵커(structured behavioral anchors, 예: 재현 단계, API/예외 단서, 기대 동작 vs 실제 동작), 결정론적 유사도 지표(deterministic similarity metrics; ROUGE, SBERT, CodeBERT, OpenAI embeddings), 그리고 커버리지(coverage), 정확성(correctness), 구체성(specificity)에 기반한 LLM 기반 판단을 통해 실행됩니다. 우리는 GPT-4o와 DeepSeek-Chat을 사용하여 Defects4J 및 SWT-Bench에서 추출한 2,857개의 리포트-테스트-패치 삼중항(triplets)을 분석합니다. LLM은 구조화된 신호를 안정적으로 추출하며(최대 90%의 완전성), 강력한 모델 간 일관성을 보여줌으로써 하위 추론(downstream reasoning)을 위한 안정적인 의미론적 입력 계약(semantic input contract)을 제공합니다. 그러나 정렬은 표현 방식에 매우 민감합니다. 어휘적 유사성(lexical similarity)만으로는 불충분하며, 전체 차이점(full diffs)이 리포트-패치 대응 관계를 판단하는 가장 안정적인 기반을 제공합니다. 또한 구조화된 요약(structured summaries)은 표면적 유사성을 희생하는 대신 술어 수준의 돌출성(predicate-level salience)을 확보합니다. 182,000개 이상의 LLM 정렬 평가 결과, 두 모델 모두 인간과 비교했을 때 체계적인 낙관주의(5점 척도에서 1-2점 차이)를 보였으며 순위 일치도(rank agreement)는 완만하게 나타나, 편향 인식 평가(bias-aware evaluation)의 필요성을 시사했습니다. 우리의 연구 결과는 행동 정렬이 측정 가능하지만 단순히 유사성으로 환원될 수는 없으며, 임베딩 기반 프록시(embedding-based proxies)와 결합된 구조화된 앵커가 테스트 및 후보 패치를 순위 매기고 필터링하기 위한 재현 가능한 신호를 제공한다는 것을 입증합니다. 정렬을 제어 가능한 엔지니어링 신호로 변환함으로써, Desc2Fix는 더욱 신뢰할 수 있는 테스트 생성, 의미론적 인지 결함 위치 파악(semantics-aware fault localization), 원칙에 기반한 패치 순위 지정, 그리고 개선된 버그 리포트 작성을 가능하게 합니다.