标签
PhoenixRepair 是一个多智能体框架，系统性地探索多个候选编辑位置，并对补丁生成进行迭代反思和优化。在 MiniMax-M2.5 模型上，它在 SWE-bench-Verified 上达到了 76.0% 的 Pass@1 率，并在 DeepSeek-V3.1 模型上相比 SWE-agent 取得了 7.8% 的相对提升，达到了最先进水平。
# 论文页面 - 精准调试基准：你的模型在调试还是在重写？ 来源：[https://huggingface.co/papers/2604.17338](https://huggingface.co/papers/2604.17338) ## 摘要 前沿大模型在测试通过率上表现优异，但在调试任务中的精准度却很低，暴露出功能正确与精准定位缺陷之间的鸿沟。与代码补全不同，调试需定位错误并做针对性修改。我们观察到，前沿大模型在调试时往往重写出正确却过度修改的代码。