arXiv cs.CL· Weihao Li, Zihang Xu, Zhongqiu Wang, Songwei Yu, Wenqiang Zhu, Yuechen Luo, Jingxuan Xu, Yanan Wu, Haoyang Huang, Ken Deng·· 2 天前AI 评分30
WEAVE：将真实世界代码演进织入依赖结构化任务，用于代码智能体的基准测试与训练
WEAVE: Weaving Real-World Code Evolution into Dependency-Structured Tasks for Benchmarking and Training Code Agents
AI 导读
WEAVE 框架将已验证的 PR 历史转化为可执行、依赖结构化的任务，通过仓库校准的类型化变更位点把相关 PR 组织成有界 DAG 并实例化为统一可执行任务。该框架还提出 Graph Credit，一种确定性的、基于测试的指标，用于衡量依赖一致的部分进展，并为强化学习提供稠密可验证奖励。实验表明 WEAVE 能生成连贯的可执行任务，比扁平评分更忠实地衡量进展，并为代码智能体训练提供有效监督。
正文 · AI 翻译
摘要：现实世界的软件工程很少由孤立的更改组成。功能、迁移和系统性修复往往跨越多个拉取请求（PR）展开，需要在仓库中进行协调一致的修改。然而，大多数可执行的仓库级基准测试仍以单个 issue 或 PR 作为任务单元，而现有的多 PR 设置依赖于粗粒度聚合和结构无关的评估。这种不匹配掩盖了更改之间的依赖关系，并限制了长时程代码智能体的进度衡量和学习信号。我们提出了 WEAVE，一个将已验证的 PR 历史转化为可执行、依赖结构化任务的框架。WEAVE 利用仓库校准的类型化变更位点，将相关 PR 组织成有界 DAG，并将每个实例化为统一的可执行任务。我们进一步提出了 Graph Credit，一种确定性的、基于测试的指标，用于衡量依赖一致的部分进度，并支持强化学习的密集、可验证奖励。在任务构建、智能体评估、监督微调和强化学习上的实验表明，WEAVE 能生成连贯的可执行任务，实现比扁平评分更忠实的进度衡量，并为训练代码智能体提供有效的监督和可验证奖励。
| 评论： | 22 页，含附录 |
| 主题： | 软件工程（cs.SE）；计算与语言（cs.CL） |
| 引用为： | arXiv:2610.22039 [cs.SE] |
| （或 arXiv:2610.22039v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.22039 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yuechen Luo [查看邮箱]
[v1]
2026 年 10 月 15 日星期四 15:12:56 UTC（8,746 KB）
来源：arXiv cs.CL · arxiv.org