论文用分层文档监督训练代码检索双编码器，提升文本到代码检索。
资讯摘要
论文提出 Code Comprehensor，一个混合检索-推理框架，结合代码依赖调用图、用代码感知 LLM 沿调用图生成分层文档的 CodeScribe，以及基于 CodeScribe 输出训练的 CLIP 式双编码器 CodeContrast，用于学习对齐的文本-代码嵌入。CodeContrast 可快速检索相关代码上下文邻域，作为基于 MCP 的 LLM 编排器回答领域问题的依据。在 OpenCV 与一个 500 万行专有代码库上的评估显示，CodeScribe 生成的监督信号提升了文本到代码检索准确率，更丰富的文本监督持续改善两个代码库上的表现；用 RAGAS 的 LLM-as-a-judge 评估，输出忠实度超过 90%。
要点速读
- 框架由代码依赖调用图、CodeScribe 分层文档生成和 CodeContrast 双编码器检索三部分组成。
- CodeContrast 在 CodeScribe 输出上训练，学习对齐的文本-代码嵌入，为 MCP 编排器提供检索证据。
- 在 OpenCV 和 500 万行专有代码库上，CodeScribe 监督提升了文本到代码检索准确率；RAGAS 评估忠实度超 90%。
中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/23 08:00:11（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。