资讯摘要
论文提出 utility-verified abstraction（UVA），训练本地代码智能体在向云端模型求助时，用角色和类型描述私有实体，同时保留专家所需的技术细节。作者报告，经训练后智能体更频繁地发起咨询；在仓库级问题修复上解决 37.6% 的问题，同一模型单独工作为 25.3%，作者称增益来自整体训练而非仅咨询；其提问泄露的私有实体减少 3.7 倍，逐字代码减少 1.4 倍。
要点速读
- 论文提出 UVA：从已解决的修复轨迹中把问题改写为按角色和类型描述私有实体的形式，仅在泄露更少私有实体且修复可复现时保留改写。
- 作者报告在两个基准上，训练后的智能体比训练前更频繁地咨询云端模型。
- 在仓库级问题修复中解决 37.6% 的问题，同一模型单独工作为 25.3%；提问泄露私有实体减少 3.7 倍、逐字代码减少 1.4 倍。
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 2026/10/20 21:06:32（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。