arXiv cs.AI· Viral Patel, Boyin Tan, Jason Xue, Youcheng Sun·· 12 小时前AI 评分40
PAUSE：在编码智能体首次修改源码前进行无搜索干预
PAUSE: Search-Free Steering of Coding Agents Before Their First Source-Code Edit
AI 导读
PAUSE 在编码智能体首次修改源码前拦截编辑请求，由独立 Planner 读取任务与编辑前记录写出一份修复计划，同一 Executor 保留上下文继续执行，无需学习型监控器、检查点搜索或额外模型调用。
正文 · AI 翻译
摘要：编码智能体可能在仓库探索和测试上投入大量精力，却仍然产出不成功的补丁。现有的在线引导方法会定期审查轨迹，或在监控器检测到行为问题时调用顾问；频繁审查成本高昂，而且没有异常行为并不意味着智能体走在正确的轨道上。我们提出 PAUSE，一个通过单次规划干预来引导编码智能体的框架。智能体在轨迹进度中位数 60% 处才到达首次源代码编辑，此前经历了探索、缺陷复现和测试。PAUSE 在该编辑请求执行前将其拦截，这不需要学习型监控器、不需要在检查点上搜索，也不需要额外的模型调用（无搜索）。一个独立的 Planner 读取任务和编辑前的记录，并写出一份修复计划；同一个智能体，即 Executor，带着该计划继续运行，保留其上下文和工作区。PAUSE 既可在实时运行中在线应用，也可从记录的轨迹前缀离线应用。我们在 SWE-bench Verified 和 SWE-bench Multilingual 上，使用两个 Executor 和三个智能体框架评估 PAUSE。以 Qwen3-coder 作为 Executor、GPT-5.6 Sol 作为 Planner 时，在线引导在 OpenHands 的 Verified 上提升解决率 16.8%，在 SWE-agent 的 Multilingual 上提升 14.7%。在 SWE-agent 中，PAUSE 在 Planner 成本相近的情况下，于 Verified 上比规则触发的顾问 LivePlan 高 3.2%，于 Multilingual 上高 3.7%，并且与 SICA 的定期监督者相当，而 Planner 成本仅为其约 11-15%。离线时，PAUSE 恢复了 35.4% 符合条件的失败 Verified 任务，并且从记录的轨迹前缀继续运行比重新启动少用 33-41% 的 Executor token。
| 评论： | 21 页 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.29870 [cs.SE] |
| （或 arXiv:2610.29870v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29870 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Viral Patel [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 15:24:44 UTC（2,708 KB）
来源：arXiv cs.AI · arxiv.org