U2F：鼓励 SWE-Agent 把握新颖性而不失可行性
软件工程
2025-11-06 v1
摘要
大型语言模型在软件工程任务中展现出了强大的能力，然而大多数现有的基于 LLM 的 SWE-Agent 主要使用常规方法处理定义明确的问题，往往忽略了其预定义框架之外的替代或创新解决方案。在开放世界的软件环境中，这一局限性尤为明显，因为新兴挑战超越了既有范式。我们提出了 U2F（Unknown Unknowns to Functional solutions），一个受认知启发、拥抱不确定性的多智能体框架，该框架系统地揭示“未知未知”——即初始表述中缺失但具有创新潜力的新颖解决路径。U2F 包含两个关键组件：(1) 一个用于发现和综合潜在解决方案的发现-探索-集成智能体系统；(2) 跨三个维度的认知增强机制：跨领域类比推理、逆向思维和外部验证，这些机制从战略上重构并扩展了常规解决方案的边界。将 U2F 应用于从真实工程任务中精选的 218 个真实世界软件使能故事后，取得了显著改进：人类专家报告称整体新颖性提高了 14%，语义新颖性提高了 51%，且保持了稳定的可行性（4.02/5.0），这一结果也得到了基于 LLM 的评估器的证实。这些结果突显了将拥抱不确定性作为软件工程创新催化剂的潜力。
引用
@article{arxiv.2511.03517,
title = {U2F: Encouraging SWE-Agent to Seize Novelty without Losing Feasibility},
author = {Wencheng Ye and Yan Liu},
journal= {arXiv preprint arXiv:2511.03517},
year = {2025}
}