CodeTriage：学习式搜索优先级降低LLM代码修复成本

Elad Sharony 等在 arXiv 发布论文，提出 CodeTriage：一个 0.6B 参数的学习策略，在生成并测试修复程序之前，根据测试输出、失败诊断和候选编辑预测经该编辑达到修复所需步骤的分布，据此安排搜索优先级。 基于论文摘要，在留出的修复任务上，相比各指标上最强的基线，CodeTriage 找到修复所需的程序修订少 21%、输出 token 少 12%；且无需重新训练，对 11 个未见过的修复 LLM 在各搜索预算下取得最高平均成功率。 团队同时发布了来自四个 LLM 的 1220 万程序版本语料，按包含候选编辑和测试结果的修复树组织。

AI 根据报道生成 · 36 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。