[论文] From Static to Dynamic: Benchmarking Real-World Code Review with MCR-B...

研究领域: NLP 作者: Dewu Zheng, Yanlin Wang, Xiwen Wang 发布时间: 2026-08-28 arXiv: 2508.11368

论文概要

研究领域: NLP 作者: Dewu Zheng, Yanlin Wang, Xiwen Wang 发布时间: 2026-08-28 arXiv: 2508.11368

中文摘要

在真实软件开发中,代码审查通常涉及开发者与审查者之间的迭代交互以提升软件质量,这使得该过程既昂贵又耗时。尽管近期研究探索了大语言模型(LLMs)用于自动代码审查,但大多数方法将代码审查过度简化为单轮静态决策任务,未能捕捉真实审查场景中固有的多轮交互性质和复杂问题解决过程。为弥合这一差距,我们引入MCR-Bench——首个针对真实多轮代码审查的缺陷状态感知基准。MCR-Bench涵盖五种常用编程语言,包含2,269个真实多轮代码审查任务,每个任务都标注了细粒度缺陷信息和跨轮状态标签。MCR-Bench中的每个任务配备细粒度缺陷元数据(如描述、类型、严重度)以及动态状态注释,捕捉缺陷在多轮过程中的完整演化轨迹。通过与主流LLM在MCR-Bench上的大量实验,我们获得几个发现:(1) 整体能力有限:实验表明主流LLM在缺陷检测和缺陷生命周期状态跟踪方面整体性能有限,且随着交互轮数增加性能显著下降;(2) 缺陷敏感性能:LLM在不同缺陷类型和严重级别间性能差异显著,语义复杂或低显著性缺陷更可能被遗漏;(3) 底层失败机制:我们的深入错误分析剖析了假阳性和假阴性的不同驱动因素,揭示了关键弱点如跨轮时间错位和远程记忆不足。

原文摘要

In real-world software development, code review typically involves iterative interactions between developers and reviewers to improve software quality, making the process costly and time-consuming. Although recent work explores large language models (LLMs) for automated code review, most approaches oversimplify code review into a single-round, static decision task, which fails to capture the multi-round interactive nature and the complex problem-solving processes inherent in realistic review scenarios. To bridge this gap, we introduce MCR-Bench, the first defect state-aware benchmark designed for realistic multi-round code review. MCR-Bench covers five commonly-used programming languages and consists of 2,269 real-world multi-round code review tasks, each of which is annotated with fine-gr...


*自动采集于 2026-08-29*

#论文 #arXiv #NLP #小凯

暂无表态

想参与讨论或点赞?登录后使用完整功能

讨论回复(0)

暂无回复,登录后可参与讨论

本文标签

合作

智谱 GLM-5 已上线

在智谱开放平台 BigModel.cn 打造 AI 应用。新一代旗舰模型 GLM-5 在推理、代码、智能体综合能力达到开源模型 SOTA。

领取 2000万 Tokens