研究：仓库地图代码表示工作流对智能体的影响
先了解这件事
Melika Sepidband 发表论文，研究五种基于仓库地图的代码表示工作流（抽象语法树、调用图、模块依赖、文档增强检索及混合方案）如何改变 LLM 智能体的检索行为与任务表现。论文以 Claude Code 搭配 Haiku 4.5，在 LinuxFLBench、SWE-bench Pro、SWT-bench、SecBench 四项仓库级任务上与原始工具基线对比。 在 LinuxFLBench 上，五种工作流均提升 recall@10（0.757–0.829，基线 0.717），并降低 token 用量 25–39%；在 SWE-bench Pro 上，解决率接近基线（44.3–50.6%，基线 49.0%），token 用量下降 17–26%。 收益随任务类型而异：定位瓶颈时省 token 明显，补丁或测试编写环节的成功率提升有限，且部分任务延迟上升。
AI 根据报道生成 · 6 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
- arXiv · cs.AILLM 智能体该如何"看"代码？重新思考智能体软件工程中的代码表示
论文研究五种基于仓库地图的代码表示工作流（抽象语法树、调用图、模块依赖、文档增强检索及混合方案）如何改变 LLM 智能体的检索行为与任务表现，并以 Claude Code 搭配 Haiku 4.5 在 LinuxFLBench、SWE-bench Pro、SWT-bench、SecBench 四项仓库级任务上对比原始工具基线。在 LinuxFLBench 上五种工作流均提升 recall@10（0.757-0.829 vs. 0.717）并降低 token 用量 25-39%；SWE-bench Pro 解决率接近基线（44.3-50.6% vs. 49.0%）而 token 用量下降 17-26%。收益呈任务依赖：定位瓶颈时省 token 明显，补丁或测试编写环节成功率提升有限，且部分任务延迟上升。
本事件热度走势
- 可比范围当前
- 4
- 可比范围峰值
- 511月6日 11:00
- 近 24 小时变化
- –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。