PulseAugur
实时 09:06:14
English(EN) Know Before Fix: QA-Driven Repository Knowledge Acquisition for Software Issue Resolution

新的ACQUIRE框架通过问答知识获取提升LLM编码代理的准确性

研究人员开发了ACQUIRE,一个旨在提高基于LLM的编码代理在解决软件问题时的准确性的新框架。与之前在不识别知识差距的情况下探索存储库的方法不同,ACQUIRE首先通过问答过程获取结构化知识。这种方法模仿了人类开发人员在尝试修复之前如何获得理解,从而产生更明智的补丁和更高的解决率。在SWE-bench Verified基准测试上的实验表明,ACQUIRE将Pass@1指标提高了多达4.4个百分点。 AI

影响 该框架可以显著提高AI驱动的软件开发工具的可靠性和效率。

排序理由 该集群包含一篇详细介绍LLM编码代理新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的ACQUIRE框架通过问答知识获取提升LLM编码代理的准确性

报道来源 [1]

  1. Hugging Face Daily Papers TIER_1 English(EN) ·

    修复前须知:驱动QA的知识库知识获取用于软件问题解决

    LLM-based coding agents have significantly advanced automated software issue resolution, yet they remain highly prone to factual errors caused by insufficient repository understanding. Recent methods attempt to mitigate this limitation through pre-repair repository exploration; h…