学习自适应并行执行以提高代码局化效率
人工智能
2026-01-28 v1 软件工程
摘要
代码局化是自动化软件开发管道中的关键瓶颈。虽然并发工具执行可以提高发现速度，但当前代理显示出 34.9% 的冗余调用率，这抵消了并行的优势。我们提出了 **FuseSearch**，将并行代码局化重新表述为 **联合质量-效率优化** 任务。通过定义 **工具效率** —— 唯一信息增益与调用次数之比，我们采用两阶段 SFT 和 RL 训练方法，以学习自适应的并行策略。不同于固定宽度的方法，FuseSearch 根据任务上下文动态调节搜索宽度，演变为从探索阶段到细化阶段。评估于 SWE-bench Verified 上，FuseSearch-4B 实现了 SOTA 水平的性能（84.7% 文件级和 56.4% 函数级 F₁ 分数），实现 93.6% 的加速，利用 67.7% 更少的轮次和 68.9% 更少的 token。结果表明，效率感知的训练通过消除噪声的冗余信号，自然提高质量，使代理能够以高性能、低成本实现局化。
引用
@article{arxiv.2601.19568,
title = {Learning Adaptive Parallel Execution for Efficient Code Localization},
author = {Ke Xu and Siyang Xiao and Ming Liang and Yichen Yu and Zhixiang Wang and Jingxuan Xu and Dajun Chen and Wei Jiang and Yong Li},
journal= {arXiv preprint arXiv:2601.19568},
year = {2026}
}
备注
13 pages, 4 figures