SWE-Review: Den Kreislauf der Problembehebung mit agentischem Code-Review schließen

Zusammenfassung

Code-Agenten generieren zunehmend Pull Requests (PRs) für reale Softwareprobleme, doch die einmalige PR-Erstellung bleibt ein offener Kreislauf: Der PR wird ohne systematische Überprüfung, Diagnose oder Überarbeitung vorgeschlagen. Wir stellen SWE-Review vor, ein Framework zur Schließung dieses Kreislaufs durch agentische Codeüberprüfung. Ausgehend von einem Problem und einem KI-generierten PR durchsucht ein Reviewer-Agent das Repository, entscheidet, ob der PR akzeptiert werden sollte, und liefert strukturiertes Feedback für Überarbeitungen. Wir evaluieren dieses Szenario mit unserem vorgeschlagenen SWE-Review-Bench, um sowohl die Korrektheit der Überprüfung als auch die Nützlichkeit der nachgelagerten Überarbeitung zu messen. Des Weiteren kuratieren wir den SWE-Review-Traj-Datensatz, um breitere Anwendungen agentischer Überprüfung zu untersuchen und die Datenknappheit für das offene Training von Reviewern zu schließen. Experimente zeigen, dass agentische Überprüfung PRs kontinuierlich durch eine Generieren-Überprüfen-Überarbeiten-Schleife verbessert, sowohl in der Entscheidungsgenauigkeit als auch in der Behebungsrate nach Überarbeitung übertrifft sie die einmalige Überprüfung mit festem Kontext, sie überträgt sich über die Überprüfung hinaus auf Modelle zur Problembehebung und ermöglicht effektive und effiziente Testzeit-Skalierung. Diese Ergebnisse positionieren agentische Codeüberprüfung als praktischen Mechanismus, um KI-Code-Agenten von der einmaligen PR-Erstellung hin zur geschlossenen Problemlösung zu bewegen.

English

Coding agents increasingly generate pull requests (PRs) for real-world software issues, yet one-shot PR generation remains open-loop: the PR is proposed without systematic review, diagnosis, or revision. We introduce SWE-Review, a framework for closing this loop with agentic code review. Given an issue and an AI-generated PR, a reviewer agent explores the repository, decides whether the PR should be accepted, and provides structured feedback for revision. We evaluate this setting with our proposed SWE-Review-Bench to measure both review correctness and downstream revision usefulness. We further curate SWE-Review-Traj dataset to study broader applications of agentic review and fill the data-scarcity gap for open reviewer training. Experiments show that agentic review continuously improves PRs through a generate-review-revise loop, outperforms single-turn fixed-context review in both decision accuracy and resolve rate after revision, transfers beyond review to improve issue-resolution models, and enables effective and efficient test-time scaling. These results position agentic code review as a practical mechanism for moving AI coding agents from one-shot PR generation toward closed-loop issue resolution.