摘要
针对现有基于代理的自动化问题解决方法在修复策略探索上的不足，本文提出 PhoenixRepair 多智能体框架。该方法通过多位置采样结合图定位信息，系统性地探索候选编辑位置，并对补丁生成进行迭代反思与细化，从而扩大策略搜索空间。最终利用历史尝试的蒸馏洞察指导生成。在 SWE-bench-Verified 上的实验表明，该方法显著提升了故障定位准确率及代码修复解决率，优于现有主流基线。
AI 推荐理由
论文核心在于通过多智能体框架系统性地探索修复策略、位置及迭代优化，属于典型的任务规划与搜索空间扩展研究。
研究机构
State Key Laboratory of Blockchain and Data Security, Zhejiang University, China
School of Cyber Science and Engineering, Huazhong University of Science and Technology, China
Huawei CodeArts Model Team, China
论文信息