AI 自動(dòng)修 bug，解決率達(dá) 44%！這是全球開(kāi)源模型的最新最強(qiáng)水平。

來(lái)自螞蟻的開(kāi)源新模型，在 SWE-bench Lite 上超越所有開(kāi)源方案，性能媲美閉源模型。

具體表現(xiàn)如下，在 SWE-bench Lite 上：

所有開(kāi)源模型方法（Open Weight Model）中排名第一；

所有開(kāi)源系統(tǒng)方法（Open Source Syestem）中排名第六；

總體排名第 14；

優(yōu)于目前榜單最好開(kāi)源模型“KGCompass”7.33%。

他們首創(chuàng)將倉(cāng)庫(kù)代碼圖模態(tài)融入大模型（Code Graph Model, CGM），讓大語(yǔ)言模型能直接理解代碼圖，更高效修復(fù) bug、補(bǔ)全代碼。

這徹底擺脫對(duì)黑盒模型（如 GPT-4 或 Claude 3.7 等）和復(fù)雜 Agent 工作流程的依賴，實(shí)現(xiàn)更加可控、透明、安全的 SE 自動(dòng)化。

而且，CGM 完全基于開(kāi)源模型。要知道，開(kāi)源模型在 SWE-bench 上的表現(xiàn)通常不夠好，此前幾乎所有 SOTA 級(jí)方案都是基于閉源模型實(shí)現(xiàn)。而 CGM 基于 Qwen 模型，做到了比肩閉源模型的水平。

CGM 僅需 4 步就能快速定位、生成補(bǔ)丁，省去了 Agent 方案中復(fù)雜的編排過(guò)程，效率直線 up。

讓 AI 真正理解大模型代碼庫(kù)

大模型趨勢(shì)以來(lái)，AI 編程迅速崛起，尤其是在寫(xiě)函數(shù)這類小任務(wù)上的表現(xiàn)出色，比如在 HumanEval 等基準(zhǔn)測(cè)試上，許多模型的準(zhǔn)確率已經(jīng)超過(guò) 90%。

然而真實(shí)的軟件工程遠(yuǎn)比”寫(xiě)一個(gè)函數(shù)“復(fù)雜得多。像 Bug 修復(fù)、功能增強(qiáng)這樣的任務(wù)，通常需要跨文件、跨模塊操作，并要求模型理解項(xiàng)目中復(fù)雜的結(jié)構(gòu)、依賴關(guān)系和類的繼承體系。

現(xiàn)在的主流方法通常是使用基于閉源模型的 Agent。它們可以模擬人類程序員行為，如觀察代碼、調(diào)用工具、多輪交互等完成任務(wù)。

但這類方法也存在幾個(gè)問(wèn)題：

行為路徑不可控，容易積累推理誤差；

依賴 GPT-4、Claude 等閉源模型，難以私有部署或定制；

工程成本高，效率不高。

與此同時(shí)，當(dāng)前使用開(kāi)源模型的方案，很難實(shí)現(xiàn) SOTA 級(jí)效果。

為此研究團(tuán)隊(duì)提出：能否只用開(kāi)源模型、不依賴 Agent，解決倉(cāng)庫(kù)級(jí)任務(wù)？CGM 由此而來(lái)。

??圖結(jié)構(gòu)與大模型深度融合

CGM 采用類似 Vision-Language Model（VLM）的跨模態(tài)建模方式。它將傳統(tǒng) LLM 的文本理解能力與代碼倉(cāng)庫(kù)的結(jié)構(gòu)圖（Graph）結(jié)合，形成一種圖-語(yǔ)言多模態(tài)模型。模型核心融合了兩個(gè)模態(tài)：

圖模態(tài)：將倉(cāng)庫(kù)構(gòu)建為結(jié)構(gòu)化圖，節(jié)點(diǎn)包括函數(shù)、類、文件、包等 7 種類型，邊表示調(diào)用、包含、繼承等依賴；

語(yǔ)言模態(tài)：用戶輸入的自然語(yǔ)言描述和代碼提示，驅(qū)動(dòng)模型生成 patch 或回答。

模型輸入為代碼圖和文本形式的 prompt，將在 LLM 中對(duì)結(jié)構(gòu)-語(yǔ)義進(jìn)行雙模態(tài)對(duì)齊。

具體結(jié)構(gòu)融合方法如下：

使用小型編碼器（CodeT5+）對(duì)每個(gè)節(jié)點(diǎn)進(jìn)行編碼，壓縮為單個(gè)“節(jié)點(diǎn) token”，每個(gè)節(jié)點(diǎn)內(nèi)按照至多 512 個(gè) token 的文本塊切分。

通過(guò)一個(gè)適配器（一個(gè)兩層 MLP）將編碼后的節(jié)點(diǎn)表征映射到 LLM 輸入嵌入空間中。相當(dāng)于將 LLM 上下文擴(kuò)展 512 倍，能更好處理海量的代碼倉(cāng)庫(kù)上下文。

使用圖感知注意力掩碼（Graph-aware Attention Mask）。替代 LLM 中原有的因果注意力，使注意力機(jī)制只作用于相鄰節(jié)點(diǎn)間。類似于 GNN 的消息傳遞機(jī)制，能夠讓 LLM 直接感知和利用代碼的結(jié)構(gòu)依賴關(guān)系。

??兩階段訓(xùn)練：結(jié)構(gòu)理解 + 問(wèn)題泛化

基于此模型架構(gòu)，團(tuán)隊(duì)通過(guò)兩階段訓(xùn)練讓 LLM 能夠理解代碼圖的拓?fù)浣Y(jié)構(gòu)。

階段一：子圖重構(gòu)預(yù)訓(xùn)練

為了訓(xùn)練 CGM 有效捕捉代碼圖的語(yǔ)義和結(jié)構(gòu)信息，團(tuán)隊(duì)設(shè)計(jì)了一個(gè)“圖生代碼 (Graph-to-Code)”任務(wù)。從大型代碼圖中隨機(jī)采樣出子圖（限制節(jié)點(diǎn)數(shù)量以控制輸出代碼長(zhǎng)度），模型需要根據(jù)這些輸入的子圖（僅包含節(jié)點(diǎn)類型和連接關(guān)系，不含完整的代碼內(nèi)容）來(lái)重建出原始的代碼片段。

然后采用層級(jí)化方法，保持重建代碼的結(jié)構(gòu)一致性和可讀性。按照拓?fù)渑判蚺c行號(hào)順序拼接倉(cāng)庫(kù)上下文：高級(jí)別節(jié)點(diǎn)（如 REPO、PACKAGE）置于輸出序列或文件的起始；文件節(jié)點(diǎn)通過(guò)拓?fù)渑判虼_定順序；文件內(nèi)節(jié)點(diǎn)（如 CLASS、FUNCTION）則按行號(hào)順序拼接。

階段二：噪聲增強(qiáng)微調(diào)

此階段使用真實(shí)的 GitHub 問(wèn)題-修復(fù)補(bǔ)丁數(shù)據(jù)對(duì) CGM 進(jìn)行微調(diào)。

模型學(xué)習(xí)基于兩項(xiàng)輸入生成代碼補(bǔ)丁：(i) 一個(gè)相關(guān)的代碼子圖；(ii) 一段文本提示，指明根據(jù)補(bǔ)丁可能需要修改的實(shí)際文件。為了提升模型的魯棒性，特意在提示中引入了 10% 的噪聲輸入：例如，提示中可能包含一個(gè)實(shí)際上無(wú)需修改的不相關(guān)文件，或者遺漏至少一個(gè)本應(yīng)被修改的關(guān)鍵文件。在訓(xùn)練中引入這種受控的噪聲有助于模型更好地泛化到實(shí)際輸入信息不完整或包含干擾的場(chǎng)景。

??推理階段：Graph-RAG 框架替代 Agent

最后，為了進(jìn)一步提升實(shí)際應(yīng)用能力，CGM 構(gòu)建了一個(gè)無(wú) Agent 輕量化框架 Graph-RAG。

它還原了人類程序員 bug 修復(fù)工作流，但比現(xiàn)有 Agent 方案效率更高。

核心模塊數(shù)量從 10 個(gè)進(jìn)一步精簡(jiǎn)到了 4 個(gè)：改寫(xiě)器 → 檢索器 → 重排器 → 生成器（CGM 模型）。

改寫(xiě)器（Rewriter）：改寫(xiě)問(wèn)題描述，提取關(guān)鍵詞與相關(guān)文件；

檢索器（Retriever）：通過(guò)語(yǔ)義與結(jié)構(gòu)檢索，從代碼圖中抽取連通子圖；

重排器（Reranker）：排序檢索結(jié)果，選擇最關(guān)鍵文件用于生成；

生成器（Reader）：結(jié)合子圖與提示生成最終修復(fù)代碼。

基于以上，CGM 在多個(gè)測(cè)試基準(zhǔn)中取得了領(lǐng)先成績(jī)。具體如下 ——

實(shí)驗(yàn)結(jié)果

研究團(tuán)隊(duì)在多個(gè)主流基準(zhǔn)上系統(tǒng)評(píng)估了 CGM 的性能，涵蓋兩個(gè)主要任務(wù)類別：（1）代碼修復(fù)和（2）代碼補(bǔ)全。

倉(cāng)庫(kù)級(jí)別的代碼修復(fù)

在 SWE-bench Lite Leaderboard 上，CGM 以 44.00% 的結(jié)果排名開(kāi)源權(quán)重榜單第一。

在 SWE-bench Verified 上，CGM 相比于最佳開(kāi)源基線提升了 10.20%，至 50.40%；

對(duì)于 Java 項(xiàng)目，CGM 在 SWE-bench-java Verified 上達(dá)到 14.29%，則相比于最佳開(kāi)源基線提升了 4.4%。

這些結(jié)果表明 CGM 能夠處理跨語(yǔ)言、跨項(xiàng)目的大規(guī)模倉(cāng)庫(kù)級(jí) Bug 修復(fù)任務(wù)，展現(xiàn)出強(qiáng)大的結(jié)構(gòu)理解與泛化能力。

倉(cāng)庫(kù)級(jí)別的代碼補(bǔ)全

在復(fù)雜代碼生成任務(wù)中，CGM 在 ComplexCodeEval 和 CrossCodeEval 上也顯著領(lǐng)先于同尺寸開(kāi)源模型，特別是在需要跨文件推理和補(bǔ)全的場(chǎng)景下效果突出。

此外，研究團(tuán)隊(duì)在不同基座模型上（CodeLlama-7B 和 DeepSeek-Coder-7B）分別部署了 CGM，并與近期 RAG 系統(tǒng)進(jìn)行比較。結(jié)果顯示，CGM 具備很好通用性，可以適配多種基座模型，并且表現(xiàn)超越傳統(tǒng) RAG 方法。

總結(jié)來(lái)看，CGM 不依賴復(fù)雜 Agent 系統(tǒng)，首次實(shí)現(xiàn)了在大模型中融合代碼圖模態(tài)，讓 AI 像人類一樣 get 倉(cāng)庫(kù)里文本和代碼之間的復(fù)雜依賴關(guān)系，“真正理解一個(gè)項(xiàng)目”。

更關(guān)鍵的是，它基于開(kāi)源模型就能實(shí)現(xiàn)，不局限于特定模型。為企業(yè)和開(kāi)發(fā)者提供了一個(gè)靈活、透明且可控的方案。

??最后，CGM 的技術(shù)論文、核心代碼、模型權(quán)重與訓(xùn)練數(shù)據(jù)均已開(kāi)源，感興趣的同學(xué)可進(jìn)一步了解詳情。

技術(shù)論文：https://arxiv.org/abs/2505.16901

開(kāi)源代碼：https://github.com/codefuse-ai/CodeFuse-CGM

模型權(quán)重：https://huggingface.co/codefuse-ai/CodeFuse-CGM-72B

訓(xùn)練數(shù)據(jù)：https://huggingface.co/datasets/codefuse-ai/CodeGraph

??團(tuán)隊(duì)此前工作：

Code LLM綜述：Awesome-Code-LLM（TMLR）https://github.com/codefuse-ai/Awesome-Code-LLM

Graph+LLM前序研究：GALLa（ACL 2025）https://github.com/codefuse-ai/GALLa

高效注意力架構(gòu)：Rodimus（ICLR 2025）https://arxiv.org/abs/2410.06577

代碼多任務(wù)微調(diào)框架：MFTCoder（KDD 2024）https://arxiv.org/abs/2311.02303