SpIDER 方法通过基于图的探索增强 LLM 代码检索能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-01 04:00

研究人员开发了 SpIDER，一种新颖的密集检索方法，可增强大型语言模型 (LLM) 在大型代码库中定位相关代码片段的能力。与仅关注语义相似性的现有方法不同，SpIDER 集成了代码库结构的基于图的探索，例如包含和调用关系。SpIDER-Bench 验证了这种方法，这是一个专为跨 Python、Java、JavaScript 和 TypeScript 等多种编程语言的图结构代码检索设计的新基准数据集。实证结果表明，通过利用代码中的空间和结构信息，检索准确性，尤其是在 Recall@20 方面，得到了显著提高。 AI

影响增强了 LLM 在代码理解和检索方面的能力，有望提高开发人员的生产力和代理性能。

排序理由介绍软件问题定位新方法和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

本文如何被排名

Signal score: 16 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 介绍软件问题定位新方法和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, product; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Shravan Chaudhari, Rahul Thomas Jacob, Jiajun Cao, Shihab Rashid, Mononito Goswami, Christian Bock · 2026-09-01 04:00

SPIDER：空间信息密集嵌入检索用于软件问题定位

arXiv:2512.16956v3 Announce Type: replace-cross Abstract: Retrieving code functions, classes or files relevant to a user query, bug report or feature request from large codebases is a fundamental challenge for Large Language Model (LLM)-based coding agents. Agentic approaches typ…

本文如何被排名

报道来源 [1]

SPIDER：空间信息密集嵌入检索用于软件问题定位

相关实体

相关话题