CuraLoc 提出仓库级故障定位新方法，token 用量减少 90.3%
原文标题：CuraLoc: Repository-Level Fault Localization via Planned Code Inspection
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
arXiv 论文提出 CuraLoc，将仓库级代码故障定位中的「下一步检查哪段代码」改为在检索前一次性规划，模型只需选择起始符号、代码关系并形成修改假设，随后由确定性检索完成取源与排序。在 SWE-Bench Verified 上配合 GPT-5.2，Func@1 从 LocAgent 的 53.8% 提升至 59.3%，同时记录 token 减少 90.3%；SWE-bench Lite 上 Func@5 达 83.8%。该方法还支持 GPT-5.2 与 GPT-6 Astra 等不同模型骨干。
- 问题
- 仓库级故障定位依赖模型逐步决定检查哪段代码，调用多、token 消耗大。
- 方法
- CuraLoc 在检索前一次性规划起始符号、代码关系与修改假设，再由确定性检索取源排序。
- 结果
- SWE-Bench Verified 上配合 GPT-5.2，Func@1 从 53.8% 升至 59.3%，token 减少 90.3%；SWE-bench Lite 上 Func@5 达 83.8%。
- 影响
- 把迭代式代码检查改为单次规划，大幅降低 token 成本并提升定位精度，可直接用于编码智能体的故障定位环节。
深读 · 结论先行AI 生成展开看要点与影响 ↓
CuraLoc把检索前一次性规划，Func@1升至59.3%且token省90.3%
- •把「下一步查哪段代码」从迭代决策改为检索前单次规划，取源与排序交给确定性检索
- •SWE-Bench Verified配GPT-5.2：Func@1从LocAgent的53.8%升至59.3%，token减少90.3%
- •同基准Func@1超过RepoSearcher的56.2%与Agentless的39.6%
- •SWE-bench Lite上Func@5达83.8%，相对Agentless提升超15%
- •支持GPT-5.2与GPT-6 Astra等不同骨干
为什么重要：在准确率提升的同时砍掉九成token，直接降低仓库级故障定位的调用成本。
以上深读由 AI 依据标题/摘要/正文节选生成，仅供参考；事实以原文为准。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。