大模型论文 | 微软的Code Researcher：告别手动调试！自动修复大型系统代码，效果惊人

这篇论文是来自微软的优秀论文！构建了一个针对大型系统代码库的深度研究智能体。在处理超大规模代码库方面采用了许多有趣的技巧。

概述

本研究提出了Code Researcher，这是一个专门用于调试大规模系统代码的深度研究智能体。

该智能体能够对崩溃报告、系统语义和提交历史进行多步推理，从而合成解决崩溃问题的补丁。

相关背景

与以往依赖人工问题描述或仅探索少数文件的智能体不同，Code Researcher能够自主收集跨多个文件和时间段的相关全局上下文，使用代码分析工具和结构化内存。

三阶段流水线

（1）分析阶段：使用控制/数据流追踪和因果提交检查等推理策略收集语义和历史上下文
（2）合成阶段：从过滤后的内存中生成补丁
（3）验证阶段：通过运行复现程序测试补丁的有效性

推理策略

（1）控制/数据流追踪：跟踪代码中的执行路径和变量传播
（2）模式与反模式挖掘：搜索可能表明错误的常见使用模式或偏差
（3）提交因果分析：调查历史提交记录以追踪错误起源或相关的先前修复

内存、草稿本与多轨迹采样

存储推理步骤中的所有（动作，结果）对，支持在合成阶段进行反思和过滤。

维护逐步推理轨迹，并在进入补丁阶段前评估收集到的上下文是否充分。系统通过温度变化采样多个推理路径（轨迹），以增加多样性和覆盖范围。

性能表现

在Linux内核崩溃基准测试kBenchSyz（200个错误）上，Code Researcher达到了58%的崩溃解决率，显著超越了SWE-agent的37.5%。

平均而言，它每个轨迹读取的文件数量是SWE-agent的10倍（29 vs 1.9），表明其代码库探索深度更深。

消融实验显示，提交历史访问至关重要：移除该功能会导致性能下降10个百分点，错误文件编辑的召回率从0.51降至0.33。

定性分析表明，Code Researcher能够生成准确的补丁，通常与开发者的修复方案相似。即使在不完整的情况下，它也能识别根本原因，有助于调试工作。

论文标题：Code Researcher: Deep Research Agent for Large Systems Code and Commit History

论文链接：https://www.microsoft.com/en-us/research/wp-content/uploads/2025/06/Code_Researcher-1.pdf

---

如何系统学习掌握AI大模型？

AI大模型作为人工智能领域的重要技术突破，正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口，掌握AI大模型的知识和技能将变得越来越重要。

学习AI大模型是一个系统的过程，需要从基础开始，逐步深入到更高级的技术。

这里给大家精心整理了一份全面的AI大模型学习资源，包括：AI大模型全套学习路线图（从入门到实战）、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等，资料免费分享！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

全套的AI大模型学习资源已经整理打包，有需要的小伙伴可以微信扫描下方优快云官方认证二维码，免费领取【保证100%免费】