ИССЛЕДОВАНИЕ · RESEARCH · #941
PLLM+: гибридный конвейер воспроизведения и исправления зависимостей Python (arXiv:2609.26952v1)
В статье представлен PLLM+ — гибридный конвейер восстановления зависимостей, протестированный на бенчмарке HG2.9K (2 891 фрагмент с ошибками зависимостей). PLLM+ сначала выполняет дешёвые детерминированные шаги (инференция интерпретатора по AST, воспроизведение исторически успешных конфигураций из базы решений и валидация на PyPI), а при неудаче переходит к структурированному LLM‑ремонту (классификация типов ошибок и агенты Proposer/Critic); на HG2.9K система решила 1 500/2 891 фрагмент (против 1 169 у базового PLLM), сократив среднее время с 368.7 до 71.8 с на фрагмент, причём 1 495 из 1 500 исправлений получены за счёт воспроизведения решений, а LLM‑фолбэк добавил пять исправлений.
КЛЮЧЕВЫЕ ТЕЗИСЫ
- В статье представлен PLLM+ — гибридный конвейер восстановления зависимостей, протестированный на бенчмарке HG2.9K (2 891 фрагмент с ошибками зависимостей).
- PLLM+ сначала выполняет дешёвые детерминированные шаги (инференция интерпретатора по AST, воспроизведение исторически успешных конфигураций из базы решений и валидация на PyPI), а при неудаче переходит к структурированному LLM‑ремонту (классификация типов ошибок и агенты Proposer/Critic); на HG2.9K система решила 1 500/2 891 фрагмент (против 1 169 у базового PLLM), сократив среднее время с 368.7 до 71.8 с на фрагмент, причём 1 495 из 1 500 исправлений получены за счёт воспроизведения решений, а LLM‑фолбэк добавил пять исправлений.
- Показывает, что детерминированное повторное использование ранее проверенных конфигураций зависимостей может быть простой и эффективной стратегией для исправления ошибок зависимостей, а LLM используется как вспомогательный фолбэк.
ПОЧЕМУ ЭТО ВАЖНО
Показывает, что детерминированное повторное использование ранее проверенных конфигураций зависимостей может быть простой и эффективной стратегией для исправления ошибок зависимостей, а LLM используется как вспомогательный фолбэк.