Agent Planning Code Localization Parallel Exploration Software Engineering
摘要

针对软件工程中使用 LLM Agent 定位待修改文件的问题,本文指出传统的线性顺序探索存在结构性错配。作者提出并评估了一种非线性的、基于领域范围的并行 Agent 探索机制。通过在 SWE-Bench Pro 及扩展基准上的实验,结果表明该并行策略在小型模型上显著优于线性基线,并在整体召回率上表现优异。研究还揭示了文档演化依赖、测试文件过预测及多 Agent 协商成本等关键发现。

AI 推荐理由

论文核心研究 Agent 在多文件定位任务中的探索结构规划,对比线性与非线性并行策略。

研究机构
新加坡管理大学计算机与信息系统学院
论文信息
作者 Akeela Darryl Fattha, Kia Ying Chua, Lingxiao Jiang, Laura Wynter
发布日期 2026-06-10
arXiv ID 2606.11976
相关性评分 9/10 (高度相关)