研究人员开发了ProjAgent，一种用于仓库级代码生成的新系统，它引入程序相似性作为关键检索信号。与依赖词汇或结构相似性的现有方法不同，ProjAgent能够识别具有相似逻辑的函数，即使它们在不同域中运行。该系统将目标函数分解为推理步骤，并使用代理工作流查找程序上相似的代码，并将其与语义检索集成以获得更丰富的上下文。ProjAgent还包含一个静态分析反馈循环，用于迭代代码修复，并在REPOCOD基准测试上实现了41.14%的Pass@1，优于以前的检索方法。 AI
影响 这种方法可以提高复杂软件项目自动化代码生成的准确性和效率。
排序理由 该集群描述了一篇研究论文，其中详细介绍了一个新系统及其在基准测试上的评估。
在 arXiv cs.IR (Information Retrieval) 阅读 →
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2607.08691v1 Announce Type: cross Abstract: Repository-level code generation requires implementing target functions while accounting for complex cross-file dependencies and project-specific conventions. Existing retrieval methods predominantly rely on lexical, structural, o…
Repository-level code generation requires implementing target functions while accounting for complex cross-file dependencies and project-specific conventions. Existing retrieval methods predominantly rely on lexical, structural, or semantic similarity, often overlooking repositor…