SWE-Doctor: Guiding Software Engineering Agents with Runtime Diagnosis from Multi-Faceted Bug Reproduction Tests
SWE-Doctor 是一种新型软件工程智能体，它通过利用从多维度缺陷复现测试中获取的运行时诊断信息，来克服直接将这些测试作为生成目标的局限性，从而通过改进补丁生成，在 SWE-bench 基准测试上实现了最先进的解决率。
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，你有一个非常聪明但有点过于死板的机器人助手（一个 AI 智能体），它的工作是修复软件程序中的错误代码。你给它一条用户的投诉：“当我输入中文字符时，这个按钮不起作用。”机器人的目标是编写一个“补丁”（代码修复）来解决这个问题。
通常，这些机器人会通过猜测、检查测试是否通过、然后再次尝试来试图修复代码。但本论文介绍了一种更聪明的机器人，叫做 SWE-Doctor。
以下是 SWE-Doctor 的工作原理，通过简单的类比进行解释：
问题所在：“单项测试”陷阱
研究人员首先尝试了一个常见的想法：“让我们给机器人一个能证明漏洞存在的测试，并告诉它去修复代码，直到测试变绿（通过）为止。”
他们发现这样做效果并不好，原因有两个：
- “部分修复”问题（Fail-to-Pass）： 想象一辆车有两个坏掉的大灯。你给修理工一个只检查左侧大灯的测试。修理工修好了左边的灯，测试变绿了，于是他停止了工作。但右侧的大灯仍然是坏的！机器人只修复了问题的一部分，因为它只盯着一个特定的测试。
- “误导性线索”问题（Fail-to-Fail）： 有时，机器人创建的测试本身就以一种奇怪的方式损坏了，与真实问题并不匹配。如果机器人试图仅仅为了让这个特定的错误测试通过而修复代码，它可能会把车弄得更糟，或者完全修错了东西。这就像试图通过听收音机里的静电噪音来修理一个爆胎，这种噪音（测试失败）并不能告诉你实际的问题在哪里。
解决方案：SWE-Doctor
SWE-Doctor 改变了游戏规则。它不再只是说“让这个测试通过”，而是扮演着侦探和医生的角色。
第一步：多维度的检查（多维度 BRT 生成）
与其只写一个测试，SWE-Doctor 会将用户的投诉分解为不同的“维度”或角度。
- 类比： 如果病人说“我肚子疼”，一个糟糕的医生可能只会检查他能不能吃苹果。而一个好医生会检查他能否吃苹果、能否喝水以及能否走路。
- SWE-Doctor 创建了多个不同的测试来检查投诉的每一个部分。这确保了机器人不会在只修复了问题的一个小部分后就停止。
第二步：尸检报告（运行时诊断）
这是最关键的部分。当测试运行并失败时，SWE-Doctor 不仅仅是看着“FAIL（失败）”的标志。它会将代码放在显微镜下（调试器）观察，看看在失败发生时，机器内部究竟发生了什么。
- 类比： 想象一辆车坏了。一个简单的机械师只看仪表盘上的指示灯并进行猜测。SWE-Doctor 则打开引擎盖，在引擎运转时观察，检查油压，并倾听齿轮磨损的具体声音。
- 它会写一份“诊断报告”，说明：“错误发生在这一特定文件、这一精确时刻，因为这个数值是错误的。”它将令人困惑的“FAIL”转化为了一个清晰的、指向问题所在位置的地图。
第三步：引导式手术（补丁生成）
最后，SWE-Doctor 将“多维度检查”的结果和“尸检报告”交给机器人。
- 类比： 与其告诉机器人“修好这辆车”，不如说：“这里有一份所有需要正常工作的清单（检查），以及一张显示哪个齿轮正在磨损的地图（诊断）。请修理这个齿轮，但要确保你不会破坏我们检查过的其他部件。”
- 在提交修复方案之前，SWE-Doctor 会进行最后的检查：“你是修复了清单上的所有内容，还是只修了那个最容易修的部分？”这防止了“部分修复”问题的发生。
结果
研究人员在数千个真实的软件漏洞上测试了 SWE-Doctor（使用名为 SWE-bench 的基准测试）。
- 它表现更好： 在处理最难的问题时，SWE-Doctor 比之前的顶尖机器人多修复了显著比例的漏洞（大约 8% 到 9%）。
- 它能找到独特的解决方案： 它解决了许多其他机器人完全无法解决的问题。
- 它不仅限于 Python： 他们甚至在 Go（另一种编程语言）上测试了它，发现它同样有效，证明了这种“医生”方法并不局限于某种特定的代码类型。
简而言之： SWE-Doctor 阻止了 AI 盲目地为了让单个测试通过而进行猜测。相反，它扮演了一位细致入微的医生，进行多项检查，观察失败时的内部症状，并利用这种深刻的理解来进行完整且准确的修复。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。