LLM智能体使用并行探索来改进软件变更定位

研究人员开发了一种新颖的方法，使LLM智能体能够定位软件变更的文件，超越了线性探索，采用了领域范围的并行智能体方法。这一新策略旨在提高跨越多个子系统的变更的准确性。使用Ansible的SWE Bench Pro进行的初步基准测试表明，这种非线性、并行智能体系统，利用Haiku类模型，显著优于其他Haiku模型，并可与Codex 5.5 High等大型模型相媲美。 AI

影响 这项研究通过改进LLM导航和理解复杂代码库的方式，有望带来更高效、更准确的AI辅助软件开发工具。

排序理由 学术论文，详细介绍了LLM智能体在软件工程中的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

• Ansible
• Codex 5.5 High
• Haiku
• LLM
• Sonnet
• SWE Bench Pro

• 论文
• 产品

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