arXiv cs.AI· Yuvraj Sehgal, Mahsa Panahandeh, Naser Ezzati-Jivan·· 12 小时前AI 评分58
Stratum：为编码智能体提供超越上下文窗口的仓库记忆
Stratum: Repository Memory for Coding Agents Beyond the Context Window
AI 导读
论文提出 Stratum，一种随仓库持久保存的分层记忆，让编码智能体跨会话保留此前的工作经验。作者基于真实仓库的三项测量指出，中型项目已超出最大生产上下文窗口，而 752 次真实 bug 修复提交的中位修改仅涉及两个文件，这些文件及其直接导入不足仓库的 10%，瓶颈在于选择而非容量。
正文 · AI 翻译
摘要：上下文窗口已增长千倍，但编码智能体每次会话开始时仍对过往工作毫无记忆。它们重新读取文件、重试失败的方法，并遗忘数小时前已确定的根本原因。这不是上下文长度问题，而是记忆架构问题。我们的假设是：编码智能体需要持久的、具备经验感知的仓库记忆，使知识能从一个会话延续到下一个会话。在真实仓库上的三项测量支撑了这一设计。第一，中型项目已超出最大的生产上下文窗口，而将知识存储在模型的键值（KV）缓存中，所需字节数比以索引文本形式存储多 $10^4$ 到 $10^5$ 倍。第二，在 752 个真实缺陷修复提交中，中位数修复仅编辑两个文件，这些文件及其直接导入合计不足仓库的 10%；瓶颈在于选择，而非容量。第三，即使考虑传递导入可达性和测试链接，仍有 47% 的共编辑文件对在结构上不连通；选择所需的知识必须从历史与经验中挖掘。我们勾勒了 Stratum，一种与仓库共存的层级式记忆，并通过页面安全的工具为其服务：每次响应都说明返回了什么、还剩什么以及代价如何。在包含一百万个节点的存储上进行检索，中位耗时为 1.7 毫秒。在一项针对八个真实缺陷的多会话实验中，一个继承了先前会话记忆（由不同模型撰写）的全新智能体在 24 次试验中有 21 次识别出根本原因文件，而仅做检索的基线为 24 次中 6 次（Fisher $p<10^{-4}$），且中位 token 成本低 4.5 倍。将全部八项调查的笔记汇集于一个存储中，成功率仍为 8/8。
| 评论： | 5 页，1 图，1 表。复现包：此 https URL |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| ACM 分类： | D.2.7；I.2.11 |
| 引用为： | arXiv:2610.36153 [cs.SE] |
| （或本版本的 arXiv:2610.36153v1 [cs.SE]） | |
| https://doi.org/10.48550/arXiv.2610.36153 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Yuvraj Sehgal [查看邮箱]
[v1]
2026 年 10 月 26 日星期一 18:53:45 UTC（64 KB）
来源：arXiv cs.AI · arxiv.org