Code Reasoning Cost-Efficiency Context Optimization LLM Agents
摘要

仓库级代码推理是现代 AI 辅助软件工程的基石,但现有方法常因低效的全文本迭代探索而浪费计算资源。本文提出 FastCode 框架,将仓库探索与内容消费解耦。该框架利用结构化侦察机制导航轻量级语义 - 结构地图,无需全量摄入即可追踪依赖并定位目标。通过成本感知策略调控的结构感知导航工具,系统能在单步优化中构建高价值上下文。实验表明,FastCode 在多个基准测试中推理准确率优于最先进基线,同时显著降低 Token 消耗,验证了“侦察优先”策略的高效性。

AI 推荐理由

论文核心解决仓库级代码推理中的效率瓶颈,提出结构化侦察机制以优化推理上下文构建。

研究机构
香港大学
论文信息
作者 Zhonghang Li, Zongwei Li, Yuxuan Chen, Han Shi, Jiawei Li et al.
发布日期 2026-03-01
arXiv ID 2603.01012
相关性评分 9/10 (高度相关)