AdaRepair-Mem 提出自适应经验检索框架
论文AI 评分 65/100arXiv cs.AI
AI 聚合
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。
AdaRepair-Mem 是一个面向仓库级程序修复的自适应经验检索框架。针对现有方法在记忆检索上存在的资源不平衡、数量非单调增长及阶段错位问题，该框架引入了覆盖感知检索、质量感知选择和阶段感知路由。在 SWE-Bench-Lite 和 SWE-Bench-Verified 上的评估显示，该方案提升了低覆盖仓库的修复性能，减少了噪声检索，并优化了补丁精炼过程。
为什么值得看
解决了 LLM 修复中历史经验利用的三大痛点，提升修复准确率。
数据集
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。