arXiv cs.AI· Ruijie Zhang, Huaxiao Yin, Li Hu, Fanqi Kong, Haozhe Liang, Shaoyin Cheng, Kun Zhang, Bibo Tu·· 12 小时前AI 评分31
RegoMender：面向 Rego 策略自动修复的多智能体框架
RegoMender: A Multi-agent Framework for Automated Rego Policy Repair
AI 导读
RegoMender 是一个反馈引导的多智能体框架，通过共享黑板和原子工具包动态执行打补丁、重写或回滚，用于自动修复 Rego 策略。团队同时构建了首个 Rego 策略自动修复基准 RegoBench，含 1,159 个真实缺陷；RegoMender 在 RegoBench 上语法与基于测试的语义成功率分别为 82.9% 和 77.9%，超出最强基线 13.4%。
正文 · AI 翻译
摘要：策略即代码（Policy-as-Code，PaC）已成为云原生系统的基础范式。然而，由于 Rego 策略语法严格、语义为声明式且具有特定的验证要求，修复 Rego 策略仍然颇具挑战。现有的自动程序修复（APR）方法主要针对主流语言设计，难以适应 Rego 独特的策略逻辑与修复工作流。因此，Rego 策略修复仍是由试错驱动的手工过程。为解决这一问题，我们推出了 RegoBench——首个自动化 Rego 策略基准，包含 1,159 个真实世界缺陷，并提出 RegoMender，一个反馈引导的多智能体框架。RegoMender 通过共享黑板和原子工具包进行协作，动态执行打补丁、重写或回滚，以解决复杂的修复场景。在 RegoBench 上评估，RegoMender 的语法成功率和基于测试的语义成功率分别达到 82.9\% 和 77.9\%，比最强基线高出 13.4\%。与其他方法在复杂场景下性能下降不同，RegoMender 在单步和链式修复任务中均保持有效性。此外，它在 HCL 和 SQL 上具有很强的泛化能力，并在 132 个真实世界 CVE 漏洞上达到 86.4\% 的修复率，证明了其稳健性和实际安全效用。
| 评论： | 13 页，5 幅图，已被 ASE 2026 研究轨道接收 |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI）；编程语言（cs.PL） |
| 引用为： | arXiv:2610.29456 [cs.SE] |
| （或 arXiv:2610.29456v1 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.29456 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Li Hu [查看电子邮件]
[v1]
2026 年 10 月 21 日星期三 09:14:12 UTC（1,112 KB）
来源：arXiv cs.AI · arxiv.org