Conhecer Antes de Corrigir: Aquisição de Conhecimento de Repositório Orientada por QA para Resolução de Problemas de Software

Resumo

Agentes de codificação baseados em LLMs avançaram significativamente a resolução automatizada de problemas de software, mas ainda são altamente propensos a erros factuais causados por compreensão insuficiente do repositório. Métodos recentes tentam mitigar essa limitação por meio da exploração do repositório antes do reparo; no entanto, suas estratégias orientadas por correção exploram o repositório sem identificar as lacunas de conhecimento do agente, frequentemente produzindo contexto impreciso que não consegue suprir o déficit de compreensão subjacente. Neste artigo, propomos o ACQUIRE, um framework baseado em perguntas e respostas (QA) para resolução de problemas de software. Espelhando como desenvolvedores experientes primeiro compreendem código desconhecido antes de tentar uma correção, o ACQUIRE adquire explicitamente conhecimento do repositório antes do reparo. O framework desacopla a aquisição de conhecimento da geração de patches por meio de duas etapas: na primeira, um Questionador e um Respondedor colaboram para adquirir conhecimento estruturado do repositório, onde o Questionador formula perguntas direcionadas e o Respondedor produz respostas fundamentadas em evidências por meio de exploração autônoma; na segunda etapa, o Resolvedor utiliza o conhecimento QA resultante para gerar patches informados. Ao transformar lacunas implícitas de conhecimento em compreensão explícita e factualmente confiável, o ACQUIRE acelera etapas de reparo intensivas em conhecimento e permite uma resolução mais precisa. Experimentos no SWE-bench Verified demonstram que o ACQUIRE supera consistentemente métodos representativos de pré-reparo, aumentando o Pass@1 em até 4,4 pontos percentuais com custo e tempo adicionais modestos.

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.