代码与软件工程智能体：软件工程智能体仓库规划图中间表示;软件工程通用超大规模自动化可验证环境与框架

Closing the Loop: Universal Repository Representation with RPG-Encoder

2026-02-02｜Microsoft, UCSD, THU|🔺75

http://arxiv.org/abs/2602.02084v1
https://huggingface.co/papers/2602.02084
https://ayanami2003.github.io/RPG-Encoder/

研究背景与意义

• 问题定义与现状概述：当前软件仓库代理面临的主要难题是由于代码表示的碎片化，导致推理断层。现有方法依赖于孤立的API文档或依赖图，这些方法缺乏语义深度或结构完整性，无法有效支持全局导航和语义推理。
• 挑战阐述：API文档侧重语义意图但缺乏全局结构，依赖图则捕获结构逻辑但缺乏语义信息，二者各自的不足导致代理难以准确定位和理解代码库的整体架构和功能。
• 研究目标：提出一个统一的、高保真的中间表示——仓库规划图（RPG），将代码生成（从意图到实现）与代码理解（从实现到意图）视为一个闭环过程，从而弥合语义与结构的鸿沟，实现代码仓库的闭环推理。

研究方法与创新

• 核心技术：RPG-Encoder框架，它将RPG从一个静态的生成蓝图转化为动态、双向的统一表示。
• 语义提升与编码：通过语义提升协议，将原始代码映射到RPG中，节点融合功能描述与代码元数据，边则编码层次关系和静态依赖，实现语义与结构的深度融合。
• 增量演化机制：设计了基于提交差异的增量更新策略，避免全局重建，极大降低维护成本（减少95.7%），同时保持语义一致性。
• 统一操作接口：RPG作为结构感知的导航接口，支持在功能意图与执行逻辑之间自由切换，促进多维度的代码探索与推理。
• 理论基础：基于软件工程中生成与理解的对称性，提出代码生成和理解是统一推理循环的逆过程，RPG作为中介实现这一循环闭合。
• 创新点：
• 首次将RPG推广为统一表示，理论上实现理解与生成的闭环。
• 引入语义提升协议和增量维护策略，兼顾高保真性与可扩展性。
• 结合语义特征与拓扑结构，提升代码定位与导航的精确度和效率。

实验设计与结果分析

• 实验设计：
• 仓库理解任务：在SWE-bench Verified和SWE-bench LiveLite两个基准上，评估RPG-Encoder的导航和定位能力，比较多种结构先验的基线方法。
• 仓库重构任务：基于RepoCraft，验证RPG的高保真表示能力，通过重建代码库并与官方API文档方法对比。
• 主要结果：
• 仓库理解：RPG-Encoder在多种LLM背书下均显著优于基线，功能级Acc@5最高达93.7%，比最优基线提升超10个百分点，精确度和召回率均有大幅提升，证明语义与拓扑结合提升了细粒度定位能力。
• 仓库重构：实现98.5%的覆盖率和86.0%的单元测试通过率，远超基于文档的33%覆盖率，生成代码量接近人工项目规模，验证了RPG的完整性和结构引导重构优势。
• 增量维护：维护成本仅为全重构的4.3%，且语义完整性无显著下降，支持大规模仓库的可持续演进。
• 效率与导航：RPG引导的代理在定位任务中步骤数和成本显著减少，导航行为呈现“先全局搜索后局部细化”的模式，减少了无效搜索和错误传播。
• 消融实验：
• 语义特征与依赖边相辅相成，缺一不可，去除任一都会导致性能明显下降。
• 多层次拓扑约束确保模块划分和代码正确性，缺失元数据会导致结构模糊和测试通过率降低。
• 失败模式分析：RPG结构显著减少搜索与探索失败，提升了上下文理解和推理准确性。

结论与展望

• 总结贡献：本文提出的RPG-Encoder框架成功将仓库规划图转化为统一、动态的高保真表示，实现了代码生成与理解的闭环推理。通过语义提升、增量维护和统一接口，显著提升了代码库的导航效率和重构质量，验证了其在实际软件工程中的应用潜力。
• 局限性分析：当前方法依赖于LLM解析质量和提交日志的准确性，面对极端复杂或非结构化代码库时，语义提升和拓扑重组仍有挑战。
• 未来展望：
• 深化语义特征提取，结合动态执行信息提升表示丰富度。
• 扩展增量更新机制，支持更复杂的重构和跨仓库协同。
• 探索RPG-Encoder在自动化代码审查、漏洞定位和智能维护中的应用，推动闭环软件工程的全面实现。

SWE-Universe: Scale Real-World Verifiable Environments to Millions

2026-02-02｜Alibaba Group Qwen Team, Alibaba Group, ZJU|🔺32

http://arxiv.org/abs/2602.02361v1
https://huggingface.co/papers/2602.02361

研究背景与意义

• 研究背景：随着大型语言模型（LLMs）在软件工程（SWE）领域的兴起，训练高效的编码代理依赖于大规模且高质量的真实世界环境及其可靠的验证信号。GitHub上的Pull Requests（PRs）天然构成了理想的训练环境，因为每个PR都包含了问题描述、修复代码和测试用例，能够形成一个完整的训练和评估“gym”。
• 存在挑战：现有工作多集中于Python语言，限制了多语言泛化能力，且大规模构建真实环境面临低转化率（生产率）、验证器质量不稳定和成本高昂三大难题。
• 研究意义：本研究提出SWE-Universe框架，旨在自动化、可扩展地构建百万级多语言、可验证的真实软件工程环境，解决现有限制，为编码代理的训练和评估提供丰富且可靠的资源。

研究方法与创新

• 核心方法：设计了一个自主构建代理(agent)，针对每个PR自动生成独立的可执行环境和验证脚本（evaluation.sh），通过迭代自我验证循环确保构建成功率和验证器的准确性。
• 创新点详解：
• 迭代自我验证：代理在生成验证脚本后，反复在有缺陷和修复状态下运行脚本，诊断失败原因并修正，显著提升构建成功率（从82.6%提升至94%）。
• 内循环“黑客”检测器：引入基于LLM的检测模块，实时识别并拒绝利用静态字符串匹配等“黑客”手段的验证脚本，确保验证器通过实际执行代码来评判修复有效性。
• 高效定制模型Qwen-Next-80A3：采用混合注意力机制的专家模型，针对环境构建任务进行精细调优，兼顾准确率和计算效率，优于多款主流商用模型。
• 多语言支持与工具集成：通过统一的bash接口和状态切换工具，实现跨语言、跨构建系统的环境构建和验证，极大提升方法的通用性和扩展性。
• 理论基础：方法基于软件工程中测试验证的核心原则，结合强化学习和LLM的最新进展，形成闭环自我纠错机制，保障数据质量和可扩展性。

实验设计与结果分析