ACQUIREフレームワーク、自動ソフトウェア修復精度を向上
HuggingFace2026年7月16日 (木)
- •ACQUIREフレームワークは、コード修正前にエージェントの知識不足を明示的に特定することで、自動ソフトウェアの問題解決能力を向上させる。
- •本システムは、構造化された証拠に基づくリポジトリ情報を収集する2段階のQA（質問応答）コラボレーションプロセスを採用している。
- •SWE-bench Verifiedでの実験において、ACQUIREはPass@1の性能を最大4.4ポイント向上させることが確認された。
上海交通大学の研究チームは、自動ソフトウェア問題解決能力を向上させるためのQA駆動型フレームワーク「ACQUIRE」を導入した。本フレームワークは、大規模言語モデル（LLM）ベースのコーディングエージェントが、複雑なソフトウェアリポジトリへの理解不足から事実誤認を引き起こす傾向に対処するものである。既存の手法は修正前の探索を通じてこれらのエラーを軽減しようと試みるが、エージェント特有の知識のギャップを特定できないため、不正確なコンテキストを生成することが多い。ACQUIREは経験豊富な開発者のワークフローを模倣し、コード修正を試みる前に必要なリポジトリ知識を明示的に取得する。
本フレームワークは、知識獲得とパッチ生成を分離するために2つの段階で動作する。第1段階では、質問者エージェントと回答者エージェントが連携し、コードベースの構造的な理解を構築する。質問者は的を絞った問いを投げかけ、回答者は自律的なリポジトリ探索を通じて証拠に基づいた回答を提供する。第2段階では、解決者エージェントが収集されたQAベースの知識を活用し、情報に基づいたパッチを生成する。曖昧さを明示的で信頼性の高い証拠へと変換することで、修正プロセスにおけるエラー削減を目指す。
SWE-bench Verifiedベンチマークでの実験結果は、ACQUIREが代表的な事前修復手法を一貫して上回ることを示している。本フレームワークはPass@1スコアを最大4.4ポイント改善し、計算コストや実行時間のわずかな増加のみでこれらの成果を達成した。