本文提出了一种名为APPATCH的自动化漏洞修补系统，利用大型语言模型（LLMs）在无需测试输入、漏洞利用证据以及模型训练或微调的情况下，实现对真实世界软件漏洞的自动化修补。核心挑战在于如何有效引导LLMs推理易受攻击的代码行为，以生成高质量补丁。作者引入漏洞语义推理和自适应提示方法，根据漏洞上下文动态调整提示策略。在97个零日漏洞和20个现有漏洞上的评估表明，APPATCH在F1分数上比现有最佳基线提升28.33%，召回率提升182.26%，优于现有提示方法和非LLM技术。论文还分析了LLM补丁有效性的关键因素及当前局限，为基于LLM的漏洞修补提供了实践见解。