🤖 AI

Learning Adaptive Parallel Execution for Efficient Code Localization

FuseSearch 是一种自适应并行执行框架，它采用两阶段的 SFT 和 RL 训练策略来根据任务上下文动态优化搜索宽度，在实现 SWE-bench Verified 上最先进的代码定位性能的同时，显著减少了冗余调用、Token 使用量和执行时间。

原作者： Ke Xu, Siyang Xiao, Ming Liang, Yichen Yu, Zhixiang Wang, Jingxuan Xu, Dajun Chen, Wei Jiang, Yong Li

发布于 2026-06-05

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Ke Xu, Siyang Xiao, Ming Liang, Yichen Yu, Zhixiang Wang, Jingxuan Xu, Dajun Chen, Wei Jiang, Yong Li

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，你是一名试图在一个拥有数百万本书籍的巨大图书馆中破解谜题的侦探。你的目标是找到发生特定错误的那本书中的那一个精确页面。

在软件世界中，这被称为代码定位（Code Localization）。这是自动修复漏洞最难的部分。

问题所在：“一次只能看一本书”的陷阱

传统上，计算机智能体（AI 程序）尝试通过查看一本书、阅读一页、合上书，然后询问下一本书来解决这个问题。这被称为顺序执行（sequential execution）。

问题在于？它太慢了。如果你只有几分钟的时间（一个“紧凑的预算”）来破案，你可能在找到正确的书之前就耗尽了时间。这被称为信息饥渴（information starvation）——因为你移动得太慢，导致你无法获得足够的线索。

旧有的“并行”方案：笨拙的团队

一些开发者尝试通过同时派出一整支智能体团队去拿书来提高速度。这就是并行执行（parallel execution）。

但有一个问题。这些团队很笨拙。他们会派出 10 个人去拿书，但其中 3 或 4 个人会拿到完全相同的一本书，或者拿到一本已经被打开的书。论文称之为冗余（redundancy）。

结果： 他们浪费了时间和金钱（计算能力）去抓取重复的书籍，而且那些无用书籍产生的噪音实际上让寻找真正线索变得更加困难。

解决方案：FuseSearch（聪明的侦探团队）

该论文的作者创建了一个名为 FuseSearch 的新系统。把它想象成一个学会了如何聪明地决定何时以及如何一起抓取书籍的侦探团队。

它是这样工作的，使用简单的比喻：

1. “工具效率”评分卡
与其仅仅问“我们找到线索了吗？”，FuseSearch 会问：“那本书提供了新的信息吗？”

如果一个智能体抓取了一本他们从未见过的书，他们会得到一颗金星。
如果他们抓取了一本他们已经看过的书，他们会得到一个皱眉。
系统经过训练，旨在最大化金星并最小化皱眉。这被称为工具效率（Tool Efficiency）。

2. 两阶段训练（SFT + RL）
为了教会 AI 这项技能，作者使用了两步走的训练营：

第一阶段（SFT - 课堂教学）： 他们向 AI 展示了优秀的侦探是如何同时抓取许多不同书籍的例子。这教会了 AI 如何在团队中协作而不产生混乱。
第二阶段（RL - 实战演练）： 他们让 AI 进行练习。如果 AI 抓取了太多重复的书籍，它会丢分。如果它能以极少的重复次数快速找到正确的页面，它会获得巨大的奖励。随着时间的推移，AI 学会了先通过抓取广泛多样的书籍来进行探索（exploration），然后迅速缩小范围，精准定位到它需要的特定页面进行精炼（refinement）。

3. 精简的工具箱
与其他需要复杂图书馆地图（代码图谱）或特殊翻译器的系统不同，FuseSearch 只使用三种简单的工具：

grep： “查找任何包含这个特定单词的书。”
glob： “查找所有符合这个名称模式的书。”
read_file： “打开这本特定的书并阅读其中的几行。”
这就像是仅凭放大镜和一份名单来破解谜题，而不是需要一台超级计算机来预先绘制整个图书馆的地图。

结果：快速、廉价且准确

当他们在著名的基准测试（SWE-bench Verified）上测试 FuseSearch 时：

速度： 它比之前的方法快了 93.6%。
效率： 它减少了 67.7% 的步骤（轮次）和 68.9% 的计算能力（Token）。
准确性： 它不仅变快了，而且变得更好了。它找到正确文件的时间占比 84.7%，找到正确函数的时间占比 56.4%，击败了许多更大规模且更昂贵的系统。

核心结论

FuseSearch 证明了你并不需要成为规模最大或最复杂的侦探才能破案。通过教会 AI 停止在重复线索上浪费时间，并学会同时抓取多个新线索，你就能得到一个更聪明、更快、更便宜的系统。

它将混乱的“抓取一切”方法转变为有针对性的、高效的狩猎，确保每一秒的计算时间都能真正让智能体离解决方案更近一步。

技术摘要：学习用于高效代码定位的自适应并行执行

问题陈述

代码定位——即识别解决软件问题所需的特定代码实体（文件、函数、代码片段）——是自动化软件开发流程中的一个关键瓶颈。近期的研究表明，最先进的智能体将超过 50% 的计算资源用于此任务。目前的方法通常依赖于顺序工具执行，即智能体逐轮迭代地优化查询并检查结果。

这种顺序范式在紧凑的计算预算（有限的交互轮数）下面临着根本性的权衡：

信息饥饿（Information Starvation）： 智能体在收集到足够的上下文证据之前就耗尽了其交互配额，导致准确率急剧下降。
低效并行（Inefficient Parallelism）： 虽然并行工具执行（在单轮中调用多个工具）为增加信息密度提供了解决方案，但朴素的实现往往强制执行固定的并行宽度。这导致了高冗余度；论文指出，现有系统中 34.9% 的强制并行工具调用是冗余的，既没有提供增量信息收益，又浪费了资源并引入了噪声。

核心挑战在于实现全面且非冗余的并行化：在最大化信息覆盖范围以避免信息饥饿的同时，消除对已检查或无关代码的探索。

方法论：FuseSearch

作者提出了 FuseSearch，这是一个极简主义的代码定位智能体，它将并行代码定位重新定义为一个联合的质量-效率优化任务。

1. 极简工具集

FuseSearch 在没有辅助基础设施（如代码图谱、AST 或特定语言解析器）的情况下运行。它依赖于三个与语言无关的只读工具：

grep：基于正则表达式的文件内容模式搜索。
glob：文件路径模式匹配。
read_file：读取文件内容，支持可选的行范围指定。

2. 双目标公式化

该框架优化两个互补的指标：

定位质量 ( $F1$ )：通过文件级和函数级的精确率（Precision）、召回率（Recall）和 F1 分数来衡量。
工具效率 ( $e$ )：定义为唯一信息增益与总调用次数的比率。
- 对于每个工具调用 $i$ ，通过将返回的实体与已发现实体的累积历史 ( $H$ ) 进行比较来计算信息增益 $g_i$ 。
- 若 $|E_i| > 0$ ，则 $g_i = \frac{|E_i \setminus H|}{|E_i|}$ ，否则为 $0$。
- 效率 $e$ 是一个轨迹中所有 $k$ 个工具调用的平均信息增益： $e = \frac{1}{k} \sum g_i$ 。

3. 联合优化训练流水线

FuseSearch 采用两阶段训练方法来学习自适应并行策略：

第一阶段：带有双指标过滤的有监督微调 (SFT)
- 使用能力较强的教师模型（Kimi-K2-Instruct）合成训练轨迹。
- 为了确保高质量的初始化，仅保留满足 $F1 \geq \rho_F$ 且 $e \geq \rho_e$ 的轨迹。
- 这产生了一个包含约 6K 高质量轨迹的数据集，用于微调基座模型（Qwen3-4B 和 Qwen3-30B），从而建立可靠并行执行（每轮 2–8 个工具）的基准。
第二阶段：带有联合奖励的强化学习 (RL)
- 使用群体相对策略优化（GRPO）进一步优化模型，以最大化 $F1$ 和 $e$ 。
- 奖励函数设计如下：
  $R(\tau) = \alpha \cdot F1(\tau) + \gamma \cdot (F1(\tau) \cdot e(\tau))$
- 设计原理： 线性项 ( $\alpha \cdot F1$ ) 确保了正确定位的基础奖励。乘法项 ( $\gamma \cdot F1 \cdot e$ ) 充当“软门控”，仅在实现高质量的同时实现高效率时才放大奖励。这防止了模型为了效率而牺牲准确性（例如，阅读无关但新颖的文件），或为了准确性而牺牲效率（例如，进行大规模冗余操作）。

4. 自适应并行

与固定宽度的方案不同，FuseSearch 能够学习根据任务上下文动态调节搜索宽度。训练过程从探索阶段（通过广泛的并行化来收集上下文）演进到精炼阶段（聚焦且有针对性的调用），有效地平衡了探索宽度与精确度。

主要贡献

工具效率指标： 引入了“工具效率”来量化代码搜索中的信息新颖性，并将其集成到效率感知的训练框架（SSFT + RL）中，以联合优化搜索有效性和计算效率。
FuseSearch 智能体： 一个仅使用三个只读工具的极简定位智能体，其性能达到或超过了依赖图导航或 AST 解析的复杂系统。
效率驱动的质量提升： 证明了效率感知训练通过消除噪声和冗余信号，自然地提高了定位质量，从而实现了高性能且具成本效益的智能体。

实验结果

在 SWE-bench Verified（386 个示例）上进行的评估显示，经过训练的 FuseSearch-4B 表现优于顺序基准和其他基于智能体的方法：

定位质量：
- 实现了 84.7% 的文件级 F1 和 56.4% 的函数级 F1。
- 显著超越了最佳顺序基准（RepoSearcher）（例如，文件级 F1 提升了 46.5%）。
- 在使用开源模型（Qwen3-4B）的情况下，达到了与闭源模型（Claude Haiku 4.5）相当的性能。
效率增益：
- 与顺序执行相比，实际运行时间（wall-clock time）缩短了 93.6%。
- 交互轮数减少了 67.7%。
- Token 消耗减少了 68.9%。
下游影响： 当作为主智能体（Kimi-K2）的预搜索模块使用时，FuseSearch 在不牺牲解决方案通过率的前提下，减少了 23.1% 的交互轮数和 28.5% 的端到端任务时间。

意义与主张

论文认为，效率感知训练是迈向生产级自动化软件开发的关键一步。通过将并行执行重新定义为不仅是降低延迟的手段，而是一个联合优化问题，FuseSearch 证明了：

冗余探索是导致高成本和精度下降的主要原因。
学习区分“新颖”与“冗余”信息，使得紧凑型模型（4B 参数）能够超越规模更大、采用顺序执行或依赖重型基础设施的智能体。
自适应并行（从广泛探索演进到聚焦精炼）是克服紧凑计算预算下信息饥饿的关键。

作者总结道，他们的方法能够创建不仅准确而且在计算上具有实用性的智能体，解决了目前限制自动化定位在时效性场景中部署的“成本-准确度权衡”问题。