RepoAtlas 提升代码代理仓库级任务解决率
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载选择投影再刷新
RepoAtlas 是一个无需训练的模块，它围绕仓库代码图维护一套持续变化的多模态视图。其运作方式是一个“选择—投影—刷新”的循环：先结合问题描述中的证据与智能体当前的探索状态，在固定预算下挑出一块与任务相关的区域；随后把这块结构同时投射成视觉与文本两种互补的表示；当探索状态发生变化、使原有视图不再适用时，再对视图进行刷新。这一设计针对的是仓库级问题定位中的实际困难：智能体不仅要给出一个看似合理的补丁，还要在相互依赖的多个文件之间找到相关代码，并让仓库上下文既充分又聚焦。
线性文本难显拓扑
材料指出，代码图能够呈现非局部的关联关系，但线性的文本接口会掩盖这些关系的拓扑形态。若把整个仓库图完整渲染出来，得到的视觉表示又过于密集，难以被可靠地感知；而只做一次性的局部视图，则会随着探索的推进而变得过时。RepoAtlas 的做法是在固定预算内选取任务相关区域，而不是把整张图一次性铺开，也不是停留在静态的局部片段上，从而在信息量与可感知性之间取得折中。
评测中的表现
在 SWE-bench Verified 上，RepoAtlas 相对最强的多模态图基线，将解决率提升了 2.4 个百分点，同时降低了输入 token 与模型调用次数。这一提升在来自不同模型家族、不同规模的三款模型上均保持一致。作者为 Yunxiang Zhang、Haiquan Wang、JiaWei Guo、Hanyang Xia、Yan Chen、Tong Chen、Zhang Zhiwei、Junchen Ye，论文于 2026 年 9 月 15 日提交，编号 arXiv:2609.16936，归入 cs.SE 与 cs.AI 分类。
为什么值得看
显著降低代码代理成本并提升修复率，解决仓库级上下文管理难题。
信源1 家
关键事实
相关 · 论文
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。