SWE-Review: Cerrando el ciclo de resolución de incidencias con revisión de código agente

Resumen

Los agentes de codificación generan cada vez más solicitudes de extracción (PR) para problemas de software del mundo real, sin embargo, la generación de PR en un solo paso sigue siendo un bucle abierto: la PR se propone sin revisión, diagnóstico o corrección sistemáticos. Presentamos SWE-Review, un marco para cerrar este bucle mediante la revisión de código con agentes. Dado un problema y una PR generada por IA, un agente revisor explora el repositorio, decide si la PR debe aceptarse y proporciona retroalimentación estructurada para su corrección. Evaluamos este escenario con nuestro SWE-Review-Bench propuesto para medir tanto la corrección de la revisión como la utilidad de la corrección posterior. Además, curamos el conjunto de datos SWE-Review-Traj para estudiar aplicaciones más amplias de la revisión con agentes y llenar la brecha de escasez de datos para el entrenamiento abierto de revisores. Los experimentos muestran que la revisión con agentes mejora continuamente las PR a través de un bucle de generar-revisar-corregir, supera a la revisión de contexto fijo en un solo turno tanto en precisión de decisión como en tasa de resolución tras la corrección, se transfiere más allá de la revisión para mejorar modelos de resolución de problemas, y permite un escalamiento efectivo y eficiente en tiempo de prueba. Estos resultados posicionan la revisión de código mediante agentes como un mecanismo práctico para llevar los agentes de codificación de IA desde la generación de PR en un solo paso hacia la resolución de problemas en bucle cerrado.

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.