Long-term Memory Code Generation User Personalization Benchmark
摘要

AI 辅助编程常面临用户特有的重复性歧义问题。现有方法多局限于单会话内的孤立澄清,未充分探索利用已解决的会话历史作为记忆来处理新会话中的 recurring 歧义。本文提出“个性化歧义适应”任务,旨在利用用户历史识别歧义模式并生成预期代码,从而减少澄清交互。为此,我们构建了 CAPA 基准,包含 600 个编码会话,通过六种机制模拟个性化歧义。实验评估了 12 个大模型在无历史与同用户历史条件下的表现,并提出了一种轻量级的推理时历史门控方法,为开发长期对齐用户意图的编码助手奠定基础。

AI 推荐理由

论文核心研究利用跨会话历史作为记忆,解决用户特定的重复性歧义,属于典型的记忆机制应用。

研究机构
香港大学科学与技术学院
论文信息
作者 Zijian Xu, Wenshuo Zhang, Zisen Qin, Rui Sheng, Yushi Sun et al.
发布日期 2026-07-29
arXiv ID 2607.26611
相关性评分 9/10 (高度相关)