技术摘要：Libra：为智能体信息检索训练环境

问题陈述

在大规模软件仓库中进行代码定位是自主编程智能体的基本能力，这与下游任务的解决率强相关。现有的提升智能体性能的方法通常分为两类：

1. 以模型为中心（Model-Centric）： 利用从仓库衍生的数据对底层基础模型进行微调。这种方法将系统锁定在特定模型上，可能会丧失最先进商业大语言模型（LLM）更优越的推理能力。
2. 静态环境增强（Static Environment Augmentation）： 构建静态索引（如层级摘要、反向索引或知识图谱）以辅助检索。这些索引虽然与模型无关，但属于静态结构，缺乏根据智能体特定的检索挑战进行动态调整，或利用交互数据进行持续改进的机制。

目前领域内缺乏一种模型无关且数据驱动的框架，能够为特定仓库主动演进智能体的信息检索能力。

方法论：Libra 框架

Libra 引入了一种范式转变，即从静态索引转向一种存在于仓库内部的、主动演进的纯文本索引。该系统采用了一个由三个冻结智能体和一个可变环境人工制品——**Libra Catalogs（Libra 目录）**驱动的自演进对抗性 LLM 优化循环。

1. 可变人工制品：Libra Catalogs

Libra 构建了一个位于仓库根目录及子模块目录下的 Markdown 文件层级结构（称为“目录”）。这些文件作为可导航的索引，编码了仓库的路由信息。与静态嵌入或图结构不同，这些目录是人类可读、可编辑且可修改的状态变量，由系统进行更新。

2. 三个冻结智能体

优化循环利用了三个权重和提示词固定的不同智能体：

• Prompter（提示者/数据合成器）： 生成合成的问答对。它从仓库中采样一个随机代码块 $c$，并伪造一个自然语言查询 $q$，使得 $q$ 可由 $c$ 回答，并将金标准文件路径 $p^*$ 作为答案。Prompter 被指示避免使用精确的标识符，以强制进行语义搜索。
• Solver（求解者/查询解析器）： 代表下游的编程智能体。给定查询 $q$ 和当前的目录状态 $K$，Solver 尝试通过仅使用目录作为引导来导航仓库，从而定位正确的路径 $\hat{p}$。至关重要的是，Solver 在此过程中无法访问金标准代码块或路径。
• Healer（修复者/LLM 优化器）： 作为优化器运行。它分析 Solver 的失败集合 $F$（其中 $\hat{p} \neq p^*$），并重写 Markdown 目录 $K$ 以修复路由信号。Healer 会诊断失败是源于信息缺失、噪声还是结构性问题，并进行针对性的编辑。

3. 优化循环

系统按轮次（$T$）运行：

1. 测试阶段： Prompter 生成一批查询。Solver 使用当前目录尝试解析这些查询。失败案例被汇总到失败集 $F$ 中。
2. 修复阶段： Healer 处理 $F$ 并更新目录 $K$，以减少未来的路由错误。
   该循环持续进行直到收敛，最终生成一组优化的目录作为持久化索引。

核心贡献

• 环境训练（Environmental Training）： 本文提出训练的是环境（即索引）而非模型，创建了一个模型无关的人工制品，在不微调 LLM 权重的情况下提升了检索性能。
• 对抗性自我改进（Adversarial Self-Improvement）： 系统利用了一个对抗循环：Prompter 创建具有挑战性的查询，Solver 暴露当前索引的弱点，而 Healer 根据这些失败情况迭代地精炼索引结构。
• 纯文本索引（Plain-Text Indices）： 通过使用 Markdown 目录而非向量嵌入或复杂图结构，Libra 提供了一个可解释、可移植且可编辑的索引，能够原生集成到代码库中。

实验结果

作者在来自 SWE-BENCH LITE 数据集的 12 个 Python 仓库上评估了 Libra。

• 对数级改进： 在 sympy 仓库中，基于合成查询进行训练产生了持续的、对数级的代码定位准确率提升。系统从 60.3% 的文件准确率（第 0 步）开始，达到了 83.3%（第 85 步），超越了最先进的基准模型。
• 向现实世界任务的泛化： 完全基于合成数据训练的目录成功迁移到了真实的 SWE-BENCH LITE Bug 定位任务中。经过训练的 Libra Solver 实现了最高的性能（5 轮时 77.8% 文件准确率，10 轮时 82.3%），尽管其仅使用了极简的工具集（仅 Bash 和 Read），表现优于 LocAgent 和 RepoMem。
• 模型无关性： 优化的目录作为一个持久资源，在无需重新训练的情况下增强了不同 Solver 模型（GPT-5-mini, GPT-5, 和 Gemini-2.5-Flash）的性能。对于较弱的模型（例如 Gemini-2.5-Flash 提升了 +31.0 个百分点），性能增益最为显著。
• 修复效应： 对单个测试实例的分析显示，54.3% 的实例在训练的早期到后期阶段有所改善，改善与退化的比例为 3.3:1，证明了系统系统性纠正路由失败的能力。

意义与主张

论文声称 Libra 证明了通过交互反馈优化基于文本的索引，为传统的检索方法提供了一种可行且具适应性的替代方案。

作者强调的关键结论包括：

1. 范式转变： 从静态的、外部的嵌入转向一种主动演进的、存在于仓库内部的纯文本索引。
2. 可迁移性： 一个完全通过自生成的合成查询进行训练的系统，可以成功迁移其学习到的路由能力，以解决现实世界的软件工程任务。
3. 成本与可移植性： 该方法在实现与最先进基准模型竞争力的性能的同时，提供了在可解释性（人类可读的目录）和可移植性（模型无关）方面的显著优势。

作者承认了局限性，指出优化循环的计算强度较大，且目前假设仓库是静态的，将增量更新和多跳查询合成作为未来的研究方向。然而，他们断言该框架成功弥合了静态环境增强与特定模型微调之间的鸿沟。