arXiv cs.AI· Xinyuan Song, Hasibul Haque, Jay Somasundaram, Ryan Turner, Bowen Zhu, Liang Zhao·· 13 小时前AI 评分32
CIVER：用因果干预验证实现可靠代码审查
CIVER: Causal Intervention Verification for Reliable Code Review
AI 导读
CIVER 是一个基于因果干预的代码审查框架，通过审查、干预、验证三个模块联合优化，在 SWE-Review-Bench 上正确识别出 77% 的真实缺陷。该框架生成面向修复的扰动来区分真实缺陷与误报，跨项目评估显示其可泛化到不同代码仓库，并提升编码智能体的任务成功率。
正文 · AI 翻译
摘要：代码审查对于维护软件仓库至关重要，它能够识别缺陷、提升代码质量并支持可靠的软件演进。随着基于 LLM 的编码智能体日益普及，越来越多的代码贡献和仓库变更由这些智能体生成。因此，基于 LLM 的代码审查智能体正变得越来越普遍，用于评估这些贡献并维护软件质量。然而，LLM 审查者常常生成冗长的审查意见，其中包含大量潜在问题，而其中许多是误报或缺乏充分证据。这些不可靠的审查意见可能误导开发者和下游编码智能体，因此有必要区分可操作的发现与缺乏支持的断言。我们提出 CIVER，一个基于因果干预的框架，用于识别代码审查发现背后的核心问题，并区分真实缺陷与误报。CIVER 集成了三个模块：审查模块评估发现，干预模块生成面向修复的扰动，验证模块对审查可靠性进行评分。通过专家迭代进行联合优化，这三个模块通过响应针对性修复来识别真实缺陷，同时在无关变更下保持稳定。在 SWE-Review-Bench 上的大量实验表明，CIVER 通过针对性修复正确识别了 77% 的真实缺陷。跨项目和下游修复评估进一步表明，CIVER 能够泛化到不同仓库，并提高编码智能体的任务成功率，凸显了其在可靠自动化代码审查方面的有效性。
| 评论： | WWW 2026 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.36010 [cs.SE] |
| （或 arXiv:2610.36010v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.36010 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Tide Song [查看邮箱]
[v1]
2026年10月26日星期一 16:29:40 UTC（1,730 KB）
来源：arXiv cs.AI · arxiv.org