跳到主要内容
检索

# 程序修复

4 篇关联报道

订阅更新
  1. arXiv

    单元测试奖励教模型多改代码：PreciseCoder把平均改动从7–15行压到3行，通过率不降

    只用单元测试做强化学习，模型通过率上去了，却学会多改代码、甚至在本来正确的程序里编造缺陷。PreciseCoder在单元测试奖励之外加入一项按参考修复逐处核验的编辑精确率与召回率信号，在4B、9B、27B模型上把平均改动行数从7–15行降到3行，通过率与只用单元测试训练持平，并让正确代码上的不改动率升到47–52%。

    University of California, BerkeleyUniversity of ChicagoUniversity of Southern California
    Yunkai Zhan（第一作者）
    PreciseCoder程序修复奖励设计
  2. arXiv

    编码智能体互相出题：GPT-5.5修掉98.3%缺陷，Claude Opus 4.8出题最难

    编码智能体评测改成两名智能体互出题、互解题：GPT-5.5配Codex CLI在1500回合中修掉98.3%的缺陷，Claude Opus 4.8配mini-swe-agent出题最难，红方胜率27.3%。

    Singapore Management University
    Wei Minn（第一作者）
    SWE-Duel自扩展基准编码智能体程序修复
  3. arXiv

    RucTangle让编码智能体生成的补丁拆分为每个提交都可运行的提交历史，并在回归修复中把pass@1平均提升16.6%

    该工作提出RucTangle，一种智能体式提交拆分方法：它按开发目的对补丁中的改动分组并排序，逐个应用提交并检查代码是否仍可运行，失败时先调整顺序、再让智能体重新分组、最后合并相邻提交，同时保持最终代码不变；在131个智能体生成的补丁上，RucTangle是唯一全部重建原补丁且每个提交后代码均可运行的方法，中位数为8个提交，而基线有20.6%–37.4%的历史至少含一个不可运行版本。作者还提出TangleEval，用453个引入回归的补丁让两个编码智能体修复，加入RucTangle历史与git bisect结果后pass@1从26.9%升至31.3%、从30.8%升至36.0%。

    University of AlbertaUniversity of WaterlooMachine Intelligence Research InstituteAlberta Machine Intelligence InstituteKorea University
    Jinfeng Jiang（第一作者）
    RucTangleTangleEval提交拆分编码智能体程序修复
  4. arXiv

    代码智能体学会读提交历史：SWE-Bench Verified 平均解出率从69.2%升到72.9%

    代码智能体解决仓库级问题时，通常只看当前源码，历史合并请求里记录的设计决策和兼容约束被丢在一边。Chronos 把每个合并请求蒸馏成结构化经验卡，再用代码、开发者意图和组织三类关系连成带类型的图，检索时从语义入口出发做加权多跳扩展。在 SWE-Bench Verified 上，完整流程让 SWE-Agent 在六个模型骨干上全部提升，平均解出率从69.2%升到72.9%，最强配置达到79.8%。

    Xin Yin（第一作者）
    Chronos框架图锚定检索编码智能体程序修复

已读完全部报道