论文页面 - LLM 智能体能够看见代码仓库

来源：https://huggingface.co/papers/2606.14061

摘要

视觉仓库表示通过增强结构理解并减少问题解决过程中的令牌消耗，提升了基于 LLM 的编码智能体性能。

由大语言模型驱动的编码智能体在软件工程任务中展现了强劲表现。然而，大多数智能体几乎完全以文本形式消费仓库，这与人类开发者利用视觉结构（如文件夹层次结构和依赖关系）在大型代码库中定位自身的方式不同。借助多模态大语言模型 (https://huggingface.co/papers?q=multimodal%20large%20language%20models) (MLLMs)，智能体能否有效从仓库的视觉表示 (https://huggingface.co/papers?q=visual%20representations) 中获益仍是一个开放问题。本文首次对基于 LLM 的智能体在仓库级问题解决 (https://huggingface.co/papers?q=repository-level%20issue%20resolution) 中采用视觉仓库表示进行了系统性的实证研究。我们评估了四种最新的多模态模型。结果表明，纯粹的仅视觉设置 (https://huggingface.co/papers?q=vision-only%20setup) 会降低准确率并增加令牌成本，因为智能体缺乏足够的符号细节 (https://huggingface.co/papers?q=symbolic%20detail) 并依赖重复的视觉查询来弥补。相比之下，将仓库结构的视觉图 (https://huggingface.co/papers?q=visual%20graphs) 作为标准文本接口之外的补充模态集成，有助于智能体更高效地理解结构：输入令牌消耗最多降低 26%，同时问题解决准确率得以保持或提升。可视化在故障定位 (https://huggingface.co/papers?q=fault%20localization) 以及智能体自主控制探索深度 (https://huggingface.co/papers?q=exploration%20depth) 时最为有用。这些发现为下一代编码智能体指明了实用的文本与视觉混合设计方向。

查看 arXiv 页面 (https://arxiv.org/abs/2606.14061) 查看 PDF (https://arxiv.org/pdf/2606.14061) GitHub6 (https://github.com/cslsolow/SeeRepo) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.14061)

在您的智能体中获取这篇论文：

hf papers read 2606.14061

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

无模型链接此论文

在模型 README.md 中引用 arxiv.org/abs/2606.14061 即可从此页面链接。

引用此论文的数据集0

无数据集链接此论文

在数据集 README.md 中引用 arxiv.org/abs/2606.14061 即可从此页面链接。

引用此论文的 Spaces0

无 Space 链接此论文

在 Space README.md 中引用 arxiv.org/abs/2606.14061 即可从此页面链接。

包含此论文的收藏0

无收藏包含此论文

将此论文添加到收藏 (https://huggingface.co/new-collection) 即可从此页面链接。