Conocer Antes de Arreglar: Adquisición de Conocimiento del Repositorio Impulsada por QA para la Resolución de Problemas de Software

Resumen

Los agentes de codificación basados en modelos de lenguaje extenso (LLM) han avanzado significativamente en la resolución automatizada de incidencias de software, pero siguen siendo altamente propensos a errores fácticos debido a una comprensión insuficiente del repositorio. Métodos recientes intentan mitigar esta limitación mediante la exploración del repositorio previa a la reparación; sin embargo, sus estrategias impulsadas por la corrección exploran el repositorio sin identificar las brechas de conocimiento del agente, lo que a menudo genera un contexto impreciso que no logra subsanar el déficit de comprensión subyacente. En este artículo, proponemos ACQUIRE, un marco impulsado por preguntas y respuestas (QA) para la resolución de incidencias de software. Reflejando cómo los desarrolladores experimentados primero comprenden el código desconocido antes de intentar una corrección, ACQUIRE adquiere explícitamente conocimiento del repositorio antes de la reparación. El marco desacopla la adquisición de conocimiento de la generación de parches mediante dos etapas: en la primera, un Preguntador y un Respondedor colaboran para adquirir conocimiento estructurado del repositorio, donde el Preguntador formula preguntas específicas y el Respondedor produce respuestas fundamentadas en evidencia a través de exploración autónoma; en la segunda, el Resolvedor aprovecha el conocimiento de QA resultante para generar parches informados. Al transformar las brechas de conocimiento implícitas en una comprensión explícita y fácticamente fiable, ACQUIRE acelera las etapas de reparación intensivas en conocimiento y permite una resolución más precisa. Los experimentos en SWE-bench Verified demuestran que ACQUIRE supera consistentemente a los métodos representativos previos a la reparación, elevando Pass@1 hasta en 4.4 puntos porcentuales con un costo y tiempo adicionales moderados.

English

LLM-based coding agents have significantly advanced automated software issue resolution, yet they remain highly prone to factual errors caused by insufficient repository understanding. Recent methods attempt to mitigate this limitation through pre-repair repository exploration; however, their fix-driven strategies explore repositories without identifying the agent's knowledge gaps, often yielding imprecise context that fails to bridge the underlying understanding deficit. In this paper, we propose ACQUIRE, a QA-driven framework for software issue resolution. Mirroring how experienced developers first comprehend unfamiliar code before attempting a fix, ACQUIRE explicitly acquires repository knowledge prior to repair. The framework decouples knowledge acquisition from patch generation through two stages: in the first stage, a Questioner and an Answerer collaborate to acquire structured repository knowledge, where the Questioner poses targeted questions and the Answerer produces evidence-grounded answers through autonomous exploration; in the second stage, the Resolver leverages the resulting QA knowledge to generate informed patches. By transforming implicit knowledge gaps into explicit, factually reliable understanding, ACQUIRE accelerates knowledge-intensive repair stages and enables more accurate resolution. Experiments on SWE-bench Verified demonstrate that ACQUIRE consistently outperforms representative pre-repair methods, raising Pass@1 by up to 4.4 percentage points with modest additional cost and time.