arXiv cs.AI· Huanyu Liu, Yezheng Cheng, Jinliang You, Tianxiao Huang, Linyu Li, Zheng Fang, Peng Cao, Ge Li·· 14 小时前AI 评分40
RepoTrace：提升多轮智能体交互中的需求追踪能力
RepoTrace: Improving Requirement Tracing in Multi-Round Agent Interactions
AI 导读
RepoTrace 是一个需求驱动的代码库理解框架，通过结合仓库结构与需求语义构建需求-代码对应关系并注入智能体上下文，帮助代码智能体在多轮交互中追踪需求。
正文 · AI 翻译
摘要：代码智能体通过与软件环境交互，执行软件工程任务的能力日益增强。然而，随着交互轮数增加，智能体的表现往往会下降，使其难以在迭代修改过程中维护现有软件。我们分析了 EvoCode-Bench 中的 2,656 条智能体轨迹，发现需求焦点错位是一种反复出现的失败模式，即智能体难以将需求的主要修改目标与无关代码区分开来。
我们提出 Repotrace，一种需求驱动的仓库理解框架，它将仓库结构与需求语义相结合，构建需求与代码之间的对应关系，并将其注入智能体上下文。这种对应关系使代码智能体能够遵循仓库架构、在多轮交互中追踪需求，并识别与当前需求对应的核心代码元素。实验表明，Repotrace 提升了不同模型（例如在 GLM-5.2 上 +19.99）和智能体框架（例如在 Claude Code 上 +10.22）的平均每轮奖励（MPR）。在各轮次中，Repotrace 在 Terminus-2 搭配 DeepSeek-V4-Pro 上将平均每轮奖励从 0.163 提升至 0.371，同时将平均回归错误减少了 56.78%。我们发布源代码和智能体轨迹，以支持未来研究。
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.35333 [cs.SE] |
| （或本版本的 arXiv:2610.35333v1 [cs.SE]） | |
| https://doi.org/10.48550/arXiv.2610.35333 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Huanyu Liu [查看邮箱]
[v1]
2026年10月26日星期一 12:30:22 UTC（4,016 KB）
来源：arXiv cs.AI · arxiv.org