소프트웨어 버그가 최신 소프트웨어 시스템에서 지속적인 문제를 야기하는 가운데, APR(Automated Program Repair)이 유망한 기술로 등장하였다. APR 내에서 두 가지 주요 접근 방식(템플릿 기반 방법과 학습 기반 방법)이 주목을 받았는데, 복잡한 멀티 청크 소프트웨어 버그를 해결하는 데 있어서, 각각의 접근방식에는 강점과 한계점이 있다. 템플릿 기반 방법은 사전 정의된 수정 패턴(FP)을 통해 단일 청크 버그를 정정하는데 효과적이지만, 불충분한 수정패턴(FP)으로 인해 멀티 청크 버그를 수정하는데 어려움이 있다. 이와 대조적으로, 버그 코드와 수정된 코드의 쌍으로 훈련된 딥러닝 모델을 사용하는 학습 기반 방식은 멀티 청크 버그를 수정하는데 뛰어난 성능을 보인다. 하지만 패치공간의 부정확성으로 인해 자주 사용되는 수정패턴(FP)을 필요로 하는 간단한 버그를 수정하는데 어려움을 겪는다. 이러한 문제를 해결하기 위해 본 논문에서는 새로운 하이브리드 프로그램 정정 기법을 소개한다. 이 기법은 템플릿 기반 방법을 학습 기반의 멀티 청크 버그 수정 방법에 결합하여, 멀티 청크 버그를 수정하는데 수정패턴(FP)을 적용하는 선구적인 기법이다. 이 밖에도, 멀티 청크 버그가 있는 시나리오들에 대해 기존 기법들이 가진 한계점을 해결하기 위해 향상된 패치 모델링 기술을 제안한다. Defects4J 1.2 데이터셋을 사용한 실험을 통해, 해당 기법이 기존 다른 접근 방식들에 비해 뛰어난 성능을 발휘하는 것을 보여주었고, 이를 통해 소프트웨어 시스템에서 더 많은 버그를 수정할 수 있다는 잠재력을 확인하였다. 본 기법은 멀티 청크 버그 36 개를 포함해 총 90 개 버그를 수정하였다. 그 중 다른 베이스라인 연구에서는 수정할 수 없는, 본 기법에서만 유일하게 수정할 수 있는 버그는 10 개이다.