RepoMirage：利用扰动探测代码智能体的仓库上下文推理能力

当前代码智能体在仓库级基准测试中表现优异，但其是否真正具备跨文件识别相关信息并推理其间关系的“仓库上下文推理”能力尚不明确。本文提出 RepoMirage 评估套件，通过语义保持的扰动增加推理需求，发现智能体性能显著下降。轨迹分析显示存在“探索漂移”现象，即智能体虽访问广泛上下文却未能转化为有效结构信息。为此，作者提出 RepoAnchor，一种将仓库探索与问题解决分离的结构优先工作流，证明显式结构支撑能显著提升性能，揭示了该领域被忽视的推理差距。