PhoenixRepair: 소프트웨어 에이전트에서의 수리 전략 탐색 방식 재고

PhoenixRepair: Rethinking Repair Strategy Exploration in Software Agents

대규모 언어 모델은 자동화된 문제 해결에 크게 기여했지만, 기존의 에이전트 기반 방법은 수리 전략 탐색의 부족이라는 근본적인 한계를 가지고 있습니다. 이러한 부족함은 두 가지 주요 측면으로 나타납니다. 첫째, 여러 잠재적 수정 위치를 탐색하는 것이 제한적입니다. 둘째, 각 위치에서의 수리 시도 역시 충분하지 않습니다. 이러한 문제점을 해결하기 위해, 우리는 PhoenixRepair라는 다중 에이전트 프레임워크를 제안합니다. 이 프레임워크는 여러 후보 수정 위치를 체계적으로 탐색하고, 패치 생성 과정에서 반복적인 성찰과 개선을 수행하여 수리 전략의 검색 공간을 확장합니다. 우리의 프레임워크는 먼저 여러 위치를 샘플링하며, 어려운 작업의 경우 선택적으로 그래프 기반 지역화 정보를 활용합니다. 이후 반복적인 성찰 및 개선을 통해 더 나은 패치를 생성하고, 마지막 단계에서는 모든 이전 시도에서 얻은 통찰력을 바탕으로 최종 패치를 생성합니다. SWE-bench-Verified 데이터셋에 대한 실험 결과, PhoenixRepair는 DeepSeek-V3.1 환경에서 SWE-agent보다 7.8% 더 큰 상대적 성능 향상을 달성했으며, MiniMax-M2.5 환경에서는 76.0%의 최고 Pass@1 해결률을 기록했습니다. 또한 기존 접근 방식보다 높은 오류 위치 탐지 정확도를 달성했습니다. 저희 코드베이스는 https://github.com/DeepSoftwareAnalytics/PhoenixRepair 에서 확인할 수 있습니다.

While Large Language Models have greatly advanced automated issue resolution, existing agent-based methods exhibit a fundamental limitation in their insufficient exploration of repair strategies. This insufficiency manifests in two key aspects. First, the exploration of multiple potential edit locations is limited. Second, the exploration of repair attempts at each location is also insufficient. To address these challenges, we present PhoenixRepair, a multi-agent framework that systematically explores multiple candidate edit locations and performs iterative reflection and refinement on patch generation, thereby expanding the search space of repair strategies. Our framework begins with multi-location sampling, optionally augmented with graph-based localization information for difficult tasks, followed by iterative reflection and refinement to generate better patches, culminating in final-round generation guided by distilled insights from all historical attempts. Experiments on SWE-bench-Verified demonstrate that PhoenixRepair achieves the largest relative improvement of 7.8\% over SWE-agent under DeepSeek-V3.1, and attains the highest resolved rate of 76.0\% Pass@1 under MiniMax-M2.5. Meanwhile, it achieves higher fault localization accuracy than existing approaches. Our code is available at https://github.com/DeepSoftwareAnalytics/PhoenixRepair.