每日 Arxiv

本页面整理了世界各地发表的人工智能相关论文。
本页面使用 Google Gemini 汇总而成，并以非盈利为基础运营。
论文版权归作者及相关机构所有，分享时请注明出处。

OrcaLoca：用于软件问题本地化的 LLM 代理框架

Created by
  • Haebom

作者

于忠明、张贺佳、赵玉杰、黄汉贤、姚矩阵、丁柯、赵继深

大纲

本文探讨了基于LLM代理的自动化软件工程的发展，特别是如何精准定位代码中的问题。我们提出了一个新颖的LLM代理框架OrcaLoca，该框架通过集成基于优先级的调度、基于相关性的动作分解和基于距离感知的上下文清理技术，提高了软件问题定位的准确性。实验结果表明，OrcaLoca在SWE-bench Lite上达到了最佳性能，函数匹配率达到65.33%，并通过集成补丁生成功能，将开源框架的最终解决率提高了6.33%。

Takeaways, Limitations

•
使用 LLM 代理为自动化软件工程的进步做出贡献。
•
提出了一种提高问题位置识别准确性的新框架。
•
展示开源基准中的 SOTA 成就和实际框架改进。
•
展示基于法学硕士 (LLM) 方法的潜力以及如何克服现有研究的缺点。
•
尽管论文中没有具体提到Limitations，但应该考虑 LLM 模型依赖性、特定基准的潜在性能偏差以及解决复杂问题的可扩展性。
👍
Made with Slashpage