arXiv cs.AI· Xutian Li, Bo Xiong, Yifeng Zhu, Runbang Yan, Yanzhen Zou, Lu Zhang, Bing Xie·· 13 小时前AI 评分32
FeatLens：面向仓库级代码生成的特征引导依赖检索
FeatLens: Feature-Guided Dependency Retrieval for Repository-Level Code Generation
AI 导读
FeatLens 通过离线索引将自然语言功能描述与函数级代码实体关联，实现仓库级代码生成的特征引导依赖检索。在 DevEval 和 EvoCodeBench 上，各固定检索预算下依赖召回率均为最高，DR@15 分别达 0.527 和 0.529；DevEval 上配合 DeepSeek-V3.2 与 GPT-5-mini 取得最高非 oracle Pass@1，且在线检索阶段无需调用 LLM。
正文 · AI 翻译
摘要：检索与任务相关的代码依赖对于仓库级代码生成至关重要。现有方法通过基于相似度的检索、仓库图或 LLM 驱动的探索来获取依赖上下文。一个核心挑战是识别实现某项功能需求所需的分散依赖，而不是仅仅检索广泛相关的代码。本文提出 FeatLens，一种面向仓库级代码生成的特征引导依赖检索方法。FeatLens 首先构建一个离线索引，将自然语言特征描述与函数级代码实体关联起来。给定任务需求和目标函数位置，它选择相关特征并构建依赖种子。随后，它扩展种子图，并应用语义和结构启发式规则来选择要纳入生成上下文的依赖。在 DevEval 和 EvoCodeBench 上的实验表明，在每个固定检索预算下，FeatLens 在所评估的基线中实现了最高的依赖召回率，DR@15 值分别达到 0.527 和 0.529。在 DevEval 上，检索到的上下文在 DeepSeek-V3.2 和 GPT-5-mini 下均支持最高的非 oracle Pass@1。这些结果是在在线依赖检索阶段不调用 LLM 的情况下获得的。
| 评论： | 审稿进行中 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.26480 [cs.SE] |
| （或 arXiv:2609.26480v2 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.26480 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Xutian Li [查看邮箱]
[v1]
2026年9月22日星期二 14:20:46 UTC（895 KB）
[v2]
2026年10月28日星期三 09:20:54 UTC（1,267 KB）
来源：arXiv cs.AI · arxiv.org