来源笔记
Neurosymbolic Repo-level Code Localization
Repo Level Code LocalizationNeurosymbolic ReasoningDatalogCode IntelligenceSoftware Engineering Agents
摘要
本文认为，当前仓库级代码定位基准更奖励关键词匹配，而不是结构推理。文中提出了一个关键词无关的基准，以及一个神经符号系统 LogicLoc，它把自然语言转换成针对抽取出的程序事实的 Datalog 查询。
问题
- 论文关注的是仓库级代码定位，查询里没有文件名、类名、函数名或其他词汇锚点。
- 这很重要，因为自治软件工程智能体需要只根据意图找到正确代码，而像 SWE-bench 这样的基于 issue 的基准，常常让系统通过匹配堆栈跟踪或标识符里的关键词取胜。
- 作者把这种失败模式称为 Keyword Shortcut，并认为现有方法一旦必须围绕仓库结构而不是表面文本推理，就会失效。
方法
- 作者定义了 Keyword-Agnostic Logical Code Localization (KA-LCL)，并构建了 KA-LogicQuery，这是一个包含 25 个逻辑查询的诊断基准，带有真实位置且没有命名提示。
- LogicLoc 先对仓库做静态分析，提取 program facts，包括函数、类、包含关系、继承、导入、调用、引用，以及可选的控制流/数据流关系。
- LLM 读取自然语言查询，并写出一个 Datalog 程序，用这些事实表达需要匹配的结构条件。
- 系统使用 parser-gated validation 和 synthesize-check-refine 循环。它会修复简单语法问题，执行部分规则，检查空的中间关系，并用基于变异的诊断信息帮助 LLM 修正规则过于严格的问题。
- 通过验证的查询会在 Soufflé Datalog 引擎中运行，返回精确的代码位置；如果没有匹配项，也可以返回空结果。
结果
- 论文称，KA-LogicQuery 上的最先进定位方法出现了 灾难性 下降，但摘要里没有给出具体分数、各方法对应的数据集表，或绝对差值。
- 论文还称 LogicLoc significantly outperforms SOTA methods on KA-LogicQuery，但提供的摘要没有具体指标值或基线数值。
- 文中也说，LogicLoc 在像 SWE-bench 这样的 issue-driven benchmarks 上保持了有竞争力的表现，不过同样没有给出定量数值。
- 作者表示，LogicLoc 比依赖迭代式 LLM 的方法使用 更少的 token、运行 更快，因为结构遍历由确定性的 Datalog 引擎处理，但摘要没有给出 token 数或延迟数值。
- 论文里的一个具体例子查询的是参数 超过 15 个 且排除
__init__的函数，系统返回 2 个匹配项：astropy/convolution/convolve.py: convolve_fft，它在第 442 行有 19 个参数；以及astropy/io/fits/column.py: _verify_keywords，它在第 952 行有 17 个参数。