FeatLens：特征引导的仓库级代码依赖检索

2026年10月30日，arXiv 人工智能板块刊出 Xutian Li 等作者的论文，提出 FeatLens——一种面向仓库级代码生成的特征引导依赖检索方法。据该论文，FeatLens 通过离线索引把自然语言功能描述与函数级代码实体关联，先选出相关特征构建依赖种子，再扩展种子图，并用语义与结构启发式筛选依赖。在 DevEval 和 EvoCodeBench 两个基准上，论文称在各固定检索预算下依赖召回率均为最高，DR@15 分别达 0.527 和 0.529。目前事件进展仅止于该论文的公开发布与上述自报结果，尚无后续跟进报道或独立复现信息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。