PMCoder: Accoppiare la Pianificazione con la Memoria Episodica negli Agenti LLM per la Risoluzione di Problemi Software

I ricercatori hanno presentato PMCoder, un agente di risoluzione dei problemi che integra un pianificatore di fasi gerarchico con la memoria episodica per migliorare l'efficacia degli agenti basati su grandi modelli linguistici (LLM) nell'affrontare problemi software reali. Questo studio, pubblicato su arXiv (arXiv:2608.06811), affronta il problema dei lunghi processi di riparazione—spesso composti da decine o centinaia di passaggi—che richiedono esplorazione, formulazione di ipotesi, implementazione e verifica. Gli autori sottolineano che gli attuali agenti a livello di repository tipicamente migliorano la pianificazione o la memoria in modo indipendente, lasciando le traiettorie estese vulnerabili a prove obsolete, modifiche non riuscite ripetute e verifiche basate sulle affermazioni dell'agente piuttosto che sull'esecuzione effettiva. PMCoder presenta un accoppiamento bidirezionale: la fase di pianificazione corrente influenza il recupero della memoria, mentre le statistiche derivate dalla memoria aiutano a rilevare la stagnazione e a riplanificare. Quando disponibili, i verdetti di riproduzione del problema supportano il progresso della verifica. Questa ricerca fa avanzare l'ingegneria del software assistita dall'IA, specialmente nella risoluzione automatica dei problemi.