Resumen Técnico: Aprendizaje de Ejecución Paralela Adaptativa para la Localización Eficiente de Código

Planteamiento del Problema

La localización de código —la identificación de entidades de código específicas (archivos, funciones, fragmentos) necesarias para resolver un problema de software— es un cuello de botella crítico en los procesos de desarrollo de software automatizados. Estudios recientes indican que los agentes de vanguardia dedican más del 50% de sus recursos computacionales a esta tarea. Los enfoques actuales suelen depender de la ejecución secuencial de herramientas, donde los agentes refinan consultas e inspeccionan resultados de forma iterativa, turno tras turno.

Este paradigma secuencial enfrenta un compromiso fundamental bajo presupuestos computacionales estrictos (turnos de interacción limitados):

1. Inanición de Información: Los agentes agotan su cuota de interacción antes de reunir evidencia contextual suficiente, lo que provoca una degradación pronunciada de la precisión.
2. Paralelismo Ineficiente: Si bien la ejecución paralela de herramientas (invocar múltiples herramientas en un solo turno) ofrece una solución para aumentar la densidad de información, las implementaciones ingenuas suelen imponer una amplitud de paralelismo fija. Esto resulta en una alta redundancia; el artículo señala que el 34.9% de las llamadas a herramientas paralelas forzadas en los sistemas existentes son redundantes, no aportan ganancia de información incremental y desperdician recursos e introducen ruido.

El desafío central es lograr una paralelización integral pero no redundante: maximizar la cobertura de información para evitar la inanición, eliminando al mismo tiempo la exploración de código previamente examinado o irrelevante.

Metodología: FuseSearch

Los autores proponen FuseSearch, un agente de localización de código minimalista que reformula la localización de código paralela como una tarea conjunta de optimización de calidad-eficiencia.

1. Conjunto de Herramientas Minimalista

FuseSearch opera sin infraestructura auxiliar (por ejemplo, grafos de código, ASTs o analizadores específicos de lenguaje). Depende de tres herramientas de solo lectura y agnósticas al lenguaje:

• grep: Búsqueda de patrones basada en regex en el contenido de los archivos.
• glob: Coincidencia de patrones de rutas de archivos.
• read_file: Lectura de contenidos de archivos con especificación opcional de rango de líneas.

2. Formulación de Doble Objetivo

El marco optimiza dos métricas complementarias:

• Calidad de Localización ($F1$): Medida mediante precisión, exhaustividad (recall) y puntuación F1 tanto a nivel de archivo como de función.
• Eficiencia de la Herramienta ($e$): Definida como la relación entre la ganancia de información única y el número total de invocaciones.
  • Para cada llamada a la herramienta $i$, la ganancia de información $g_i$ se calcula comparando las entidades devueltas contra el historial acumulado de entidades descubiertas ($H$).
  • $g_i = \frac{|E_i \setminus H|}{|E_i|}$ si $|E_i| > 0$, de lo contrario, $0$.
  • La eficiencia $e$ es la media de la ganancia de información de las $k$ llamadas a herramientas en una trayectoria: $e = \frac{1}{k} \sum g_i$.

3. Pipeline de Entrenamiento de Optimización Conjunta

FuseSearch emplea un enfoque de entrenamiento de dos etapas para aprender estrategias de paralelismo adaptativas:

• Etapa 1: Ajuste Fino Supervisado (SFT) con Filtrado de Doble Métrica

  • Un modelo profesor capaz (Kimi-K2-Instruct) sintetiza las trayectorias de entrenamiento.
  • Para asegurar una inicialización de alta calidad, las trayectorias se filtran para retener solo aquellas que satisfacen tanto $F1 \geq \rho_F$ como $e \geq \rho_e$.
  • Esto produce un conjunto de datos de $\sim$6K trayectorias de alta calidad utilizadas para el ajuste fino de modelos base (Qwen3-4B y Qwen3-30B), estableciendo una línea base para una ejecución paralela fiable (2–8 herramientas por turno).

• Etapa 2: Aprendizaje por Refuerzo (RL) con Recompensa Conjunta

  • Utilizando la Optimización de Política Relativa de Grupo (GRPO), el modelo se optimiza aún más para maximizar tanto $F1$ como $e$.
  • La función de recompensa se diseña como:
    $$R(\tau) = \alpha \cdot F1(\tau) + \gamma \cdot (F1(\tau) \cdot e(\tau))$$
  • Racional del Diseño: El término lineal ($\alpha \cdot F1$) asegura una recompensa base por la localización correcta. El término multiplicativo ($\gamma \cdot F1 \cdot e$) actúa como una "puerta suave" (soft gate), amplificando las recompensas solo cuando se logra una alta calidad con alta eficiencia. Esto evita que el modelo optimice la eficiencia a costa de la precisión (por ejemplo, leyendo archivos irrelevantes pero novedosos) o la precisión a costa de una redundancia masiva.

4. Paralelismo Adaptativo

A diferencia de los enfoques de amplitud fija, FuseSearch aprende a modular dinámicamente la amplitud de búsqueda basada en el contexto de la tarea, evolucionando de una fase de exploración (paralelismo amplio para reunir contexto) a una etapa de refinamiento (llamadas enfocadas y dirigidas), equilibrando eficazmente la amplitud de exploración con la precisión.

Contribuciones Clave

1. Métrica de Eficiencia de Herramienta: La introducción de la "eficiencia de la herramienta" para cuantificar la novedad de la información en la búsqueda de código, integrada en un marco de entrenamiento consciente de la eficiencia (SFT + RL) para optimizar conjuntamente la efectividad de la búsqueda y la eficiencia computacional.
2. Agente FuseSearch: Un agente de localización minimalista que utiliza solo tres herramientas de solo lectura, el cual iguala o supera el rendimiento de sistemas complejos que dependen de la navegación por grafos o el análisis AST.
3. Mejora de la Calidad Impulsada por la Eficiencia: Demostración de que el entrenamiento consciente de la eficiencia mejora naturalmente la calidad de la localización al eliminar señales ruidosas y redundantes, permitiendo que modelos compactos (4B de parámetros) superen a agentes más grandes, secuenciales o con mucha infraestructura.

Resultados Experimentales

Evaluado en SWE-bench Verified (386 ejemplos), FuseSearch-4B (entrenado) demuestra un rendimiento superior en comparación tanto con las líneas base secuenciales como con otros métodos basados en agentes:

• Calidad de Localización:
  • Alcanzó un 84.7% de F1 a nivel de archivo y un 56.4% de F1 a nivel de función.
  • Supera por un margen significativo al mejor baseline secuencial (RepoSearcher) (por ejemplo, +46.5% en F1 de archivo).
  • Iguala el rendimiento de modelos propietarios (Claude Haiku 4.5) utilizando modelos de código abierto (Qwen3-4B).
• Ganancias de Eficiencia:
  • 93.6% de aceleración en tiempo de ejecución (wall-clock time) en comparación con la ejecución secuencial.
  • 67.7% de reducción en los turnos de interacción.
  • 68.9% de reducción en el consumo de tokens.
• Impacto en el Proceso (Downstream): Cuando se utiliza como módulo de pre-búsqueda para un agente principal (Kimi-K2), FuseSearch redujo los turnos de interacción en un 23.1% y el tiempo de la tarea de extremo a extremo en un 28.5% sin sacrificar las tasas de éxito de la solución.

Significado y Reivindicaciones

El artículo argumenta que el entrenamiento consciente de la eficiencia es un paso crucial hacia el desarrollo de software automatizado de grado de producción. Al reformular la ejecución paralela no solo como una táctica de reducción de latencia, sino como un problema de optimización conjunta, FuseSearch demuestra que:

• La exploración redundante es una causa primaria tanto del alto costo como de la degradación de la precisión.
• Aprender a distinguir entre información "novedosa" y "redundante" permite que los modelos compactos (4B de parámetros) superen a agentes más grandes, secuenciales o con mucha infraestructura.
• El paralelismo adaptativo, que evoluciona de una exploración amplia a un refinamiento enfocado, es la clave para superar la inanición de información bajo presupuestos computacionales estrictos.

Los autores concluyen que su enfoque permite la creación de agentes que no solo son precisos, sino también computacionalmente prácticos, abordando el "compromiso costo-precisión" que actualmente limita la capacidad de despliegue de la localización automatizada en entornos de tiempo crítico.