LLM 基于 vs. 搜索基于 合并冲突解决：竞争范式的实证研究
软件工程
2026-05-19 v1
摘要
背景：软件合并冲突的解决正在被两种竞争范式重塑：基于大型语言模型 (LLM) 的生成方法和来自基于搜索的软件工程 (SBSE) 的优化方法。尽管两类方法都已展现出前景，但它们的相对优势、劣势及权衡尚未广为人知。目标：本文提出首个深入实证研究，直接比较这两种范式，以识别其在真实场景中的能力与局限。方法：我们评估了 MergeGen，这是最先进的 LLM 基于工具，反之评估了 SBCR，这是一种新颖的 SBSE 方法，采用 Random Restart Hill Climbing (RRHC) 算法。比较使用数千个来自用 Java、C#、JavaScript 和 TypeScript 编写的真实世界冲突。结果：我们的发现揭示了根本性权衡。LLM 范式在处理内容不平衡的冲突时优势明显，通过学习模式实现。然而，它在非英语内容和大输入方面表现不佳，这可能导致被截断或空解析。相反，SBSE 范式在数据集之间展现出优越的概括能力，并在平衡冲突中表现最佳，凸显其作为稳健、数据独立替代方案的潜力。结论：两种范式都非银弹。我们的发现凸显情境依赖的优势，并激励开发混合系统，结合 LLM 和 SBSE 方法的互补能力，以创建更稳健可靠的合并冲突解决工具。
引用
@article{arxiv.2605.16646,
title = {LLM-based vs. Search-based Merge Conflict Resolution: An Empirical Study of Competing Paradigms},
author = {Heleno de Souza Campos Junior and Leonardo Gresta Paulino Murta},
journal= {arXiv preprint arXiv:2605.16646},
year = {2026}
}
备注
Paper submitted to the Empirical Software Engineering Journal