标签
论文提出 CQ2-CARE 方法，在固定 token 预算下为编码智能体选择完整文件而非压缩或检索片段，从而在 SWE-rebench 上显著提升问题修复率，超过压缩器、检索器及专用训练方法。
本文提出了 AlgoREval，一个涵盖 599 个问题的基准测试，涉及 14 个领域、7 种编程语言和 4 种图输入表示下的 77 个经典算法，用于衡量大语言模型（LLMs）复现知名算法的能力——即将其视为"参数化代码检索"而非真正的算法综合生成。在 15 个模型（7B–34B）上的实验表明，模型准确率随编程语言和输入格式的不同而差异显著；作者提醒，在未经系统性验证的情况下，不应对 AI 生成的算法代码直接投入部署使用。
ExecRetrieval引入了一个基准测试来衡量代码嵌入检索中的功能正确性差距，表明顶级检索器经常将有缺陷的近克隆实现排在正确实现之上。
本文介绍了一个开放基准测试和一个专门的双编码器模型，用于1C:Enterprise生态系统中的自然语言代码检索，解决了俄语代码搜索领域特定资源的缺乏问题。
本文对17种深度学习模型在大规模代码到代码检索的第一阶段召回中进行了基准测试，评估了它们在多种编程语言和数据集上的精确度、效率和可扩展性。文中介绍了基于LLM的代码标准化和查询重写方案，这些方案提高了性能较低模型的精确度。
微软的FastContext是一篇热门论文，介绍了一个搭配编码代理用于高效代码检索的4B小模型，在SWE-Bench Multilingual上能与闭源系统匹敌。
Semble是一个面向Agent的代码搜索工具，支持自然语言查询，能精准返回语义完整的代码片段，比传统grep+read方式节省98% token消耗，具有智能分块、双路检索和代码感知重排序等特性。
作者们详细描述了他们在构建代码索引系统的经验，最终得出结论：使用大语言模型（LLM）生成语义的图检索方式在性能上优于向量嵌入和纯抽象语法树（AST）解析。他们将该系统开源，命名为 Bytebell，它利用 Neo4j 存储语义上下文，以实现高效且精确的代码检索。
本研究论文探讨了代码检索中的文本改写策略，发现完全的自然语言改写能带来最大的性能提升。本文引入了基于熵的诊断方法，以帮助判断何时使用成本较高的 LLM 改写是有益的。