---
source: arxiv
url: http://arxiv.org/abs/2603.01896v2
published_at: '2026-03-02T09:17:06'
authors:
- Shubham Ugare
- Satish Chandra
topics:
- agentic-reasoning
- code-intelligence
- patch-verification
- fault-localization
- static-code-analysis
relevance_score: 0.95
run_id: materialize-outputs
language_code: zh-CN
---

# Agentic Code Reasoning

## Summary
本文研究一种无需执行代码、仅靠代理在代码库中探索与推理来理解程序语义的能力，并提出“半形式化推理”作为结构化证据模板。该方法在补丁等价验证、故障定位和代码问答三类任务上都优于常规非结构化代理推理。

## Problem
- 论文要解决的是：**LLM 代理能否在不运行代码的情况下，可靠地分析代码语义、判断补丁是否等价、定位缺陷并回答代码理解问题**。
- 这很重要，因为执行真实仓库代码通常昂贵、依赖复杂且难以扩展；若能静态完成高质量语义判断，可用于 **RL 奖励信号、代码审查、静态分析、缺陷排查**。
- 现有非结构化推理容易“猜答案”或跳步；完全形式化验证又需要为真实仓库和多语言框架建立严格语义，实际成本过高。

## Approach
- 核心方法是 **semi-formal reasoning**：不给模型自由散乱地想，而是要求它按固定模板写出**前提、代码路径追踪、逐项证据、形式化结论**，像提交一张“推理证明单”。
- 这种模板被设计成一种**证书（certificate）**：代理若不先找到代码依据、没有覆盖关键测试/路径，就很难直接下结论，从而减少无依据断言。
- 方法是**提示工程层面的通用机制**，不是训练专门模型，也不是把代码翻译成 Lean/Coq 这类完全形式系统；因此更容易跨任务迁移到补丁等价、故障定位、代码 QA。
- 在代理设置下，模型可用工具浏览仓库、跟踪调用链、查看测试和相关文件，但**不能执行仓库代码或测试**；主要依赖静态分析式的代码探索与推理。

## Results
- **补丁等价验证（170 个精心构造样本）**：Opus-4.5 从标准推理的 **78.2%** 提升到半形式化的 **88.8%**，提升 **10.6 个百分点**；其中非等价样本准确率 **78.6% → 82.9%**，等价样本 **78.0% → 93.0%**。代价是平均步数 **10.08 → 28.17**（约 **2.8x**）。
- **真实 agent 生成补丁验证（200 个样本，含测试规格）**：最佳结果为 Opus-4.5 + agentic semi-formal，准确率 **93.0%**；对比 **difflib 73%**、单次调用 **86.0%**、单次调用+文件上下文 **87.5%**、agentic standard **87.0%**。Sonnet-4.5 在同设置下也达到 **91.5%**。
- **代码问答（RubberDuckBench）**：摘要声明半形式化推理达到 **87%** 准确率，相比标准 agentic reasoning 提升 **9 个百分点**；贡献段还给出相对 single-shot **76%** 提升 **10.8 个百分点**、相对标准 agentic 提升 **8.7 个百分点**。
- **故障定位（Defects4J，小规模 43 个可评估 bug）**：Opus-4.5 在 agentic 模式下，Top-5（All）从 **60.5%** 提升到 **72.1%**，提升 **11.6 个百分点**；Top-5（Any）从 **81.4%** 提升到 **88.4%**，提升 **7.0 个百分点**。single-shot 下 Top-5（All）为 **55.6% → 63.9%**。
- **故障定位（更大规模 90 个可评估 bug）**：文中声称 Opus-4.5 的半形式化推理相比标准模式在 Top-5（All）上再提升约 **5 个百分点**；给出的截断表中标准值为 **43.3%**，但半形式化的完整数值在提供摘录中未完整显示。
- 论文最强结论是：**通过结构化代理推理，LLM 可以在不执行代码时做出有意义的语义级代码分析**，并接近可用于执行免费/低执行依赖验证与 RL 反馈的可靠性门槛。

## Link
- [http://arxiv.org/abs/2603.01896v2](http://arxiv.org/abs/2603.01896v2)