🔴 保留 · Exploration Structure in LLM Agents for Multi-File Change Localization
- 类型：arxiv
- 标识：2606.11976
- 链接：https://arxiv.org/abs/2606.11976
- 主题：agent, database, engineering, evaluation, llm-infra, multimodal, rag, risk
- 来源文件：
/inbox/jay/2026-06-12-night-arxiv-engineering-llm-agents.md
可复用信息
- Plain LLM Haiku | 2.0±0.0 | 3.3±1.4 | 6.0±2.5
- Single-agent RLM Haiku | 3.3±1.4 | 1.7±2.9 | 4.7±3.8
- Single-agent RLM Sonnet | 3.4±0.7 | 5.7±1.4 | 11.3±1.4
- Domain agents (adaptive) | 6.4±0.7 | 5.7±1.4 | 12.3±3.8
- Codex 5.5 High | 9.2±0.6 | 7.3±2.9 | 13.3±1.4
-
- 关键发现：文档共演化（documentation co-evolution）是隐性依赖，任何标准或 agentic 架构都无法自动解决；朴素文件系统访问会降低文件定位准确率；强制多 agent 协商反而降低准确率
- 保留理由：Benchmark 构造方法完全可复现，表格数据具体，RLM 范式有工程实现细节，适合作为代码库级别 AI 助手能力评测的参考基线。
- 链接：
https://arxiv.org/html/2606.11976v1
写作用途
- 可放入 RAG / 知识库 / 检索增强相关工作的对比段。
- 可用于 Agent 架构、记忆、工具调用或多智能体研究背景。
- 可用于多模态推理、视觉语言模型或长上下文多模态问题定义。
- 可用于系统实现、实验平台或工程约束说明。
- 可用于局限性、风险、失效模式和未来工作。
待补齐
- BibTeX / 正式引用格式
- 方法与实验设置细节
- 与现有工作的差异点
- 是否有代码和数据集