arXiv cs.AI· Songwei Yu, Ziqi Miao, Jingxuan Xu, Junhao Fan, Haoyang Huang, Yuan Xiong, Zihang Xu, Weihao Li, Wenqiang Zhu, Yuechen Luo, Xinshun Feng, Yanan Wu, Ken Deng·· 2 天前AI 评分34
SWE-Nexus：从测试执行自动组合软件工程任务
SWE-Nexus: Automated Composition of Software Engineering Tasks from Test Execution
AI 导读
SWE-Nexus 是一个全自动流水线，通过测试执行构建仓库级实现任务，由四个构建智能体筛选测试、适配追踪与评估协议并生成行为规范。其基准包含来自 105 个仓库、六种编程语言的 600 个任务（116 个原子任务、484 个组合任务），在三种智能体脚手架下评测 12 个模型，最佳配置单次尝试解决 37.8% 的任务。
正文 · AI 翻译
作者：Songwei Yu、Ziqi Miao、Jingxuan Xu、Junhao Fan、Haoyang Huang、Yuan Xiong、Zihang Xu、Weihao Li、Wenqiang Zhu、Yuechen Luo、Xinshun Feng、Yanan Wu、Ken Deng
摘要：历史代码变更提供了便利的任务边界，但无法识别所选测试实际执行了哪些生产函数，也不支持在单个变更之外组合已验证的行为。我们提出 SWE-Nexus，一个全自动流水线，从测试执行中构建仓库级实现任务。四个构建智能体选择测试、为每个仓库调整追踪与评估协议，并生成行为规范。对于每个选定的测试文件，追踪记录生产函数体的观测执行足迹。仅当所有预期评分点在原始仓库中通过，且遮蔽被追踪的函数体导致至少一个失败或错误时，该范围才被保留。兼容的范围以确定性方式组合，共享函数只计一次，并且每个组成测试文件都在完整的组合遮蔽下重新验证。该基准包含来自 105 个仓库、涵盖六种编程语言的 600 个任务，其中包括 116 个原子任务和 484 个组合任务。我们在三种智能体脚手架下评估了 12 个模型。最佳配置在一次尝试中解决了 37.8% 的任务，范围加权评分衡量部分恢复情况。SWE-Nexus 支持从单个历史变更之外已验证的行为构建任务。
| 学科： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.20038 [cs.SE] |
| （或 arXiv:2610.20038v2 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.20038 arXiv 颁发的 DOI，经由 DataCite |
提交历史
来自：Miao Ziqi [查看邮箱]
[v1]
2026年10月14日星期三 11:45:59 UTC（626 KB）
[v2]
2026年10月15日星期四 14:01:09 UTC（626 KB）
来源：arXiv cs.AI · arxiv.org