文章背景与核心概要
修复大规模的 GitHub 问题是一项复杂且长周期的任务，AI 智能体在执行过程中往往容易出现“漂移”现象——即智能体效率低下、重复失败的操作，或者最终未能生成有效的补丁。为此，LivePlan 提出了一种旨在实时监控并纠正这些行为低效全新框架。
与以往完全依赖大语言模型（LLM）进行规划的方法不同，LivePlan 采用了一种解耦架构： * 确定性监控器（Deterministic Monitor）： 一个基于规则的系统，用于追踪轨迹信号以检测问题，避免了 LLM 的额外开销和高昂成本。 * 顾问 LLM（Advisor LLM）： 仅在检测到问题时才被调用，提供高级的下一步纠正方案，从而将智能体引导回正轨。
在 SWE-bench Verified 和 SWE-bench Pro 上的评估表明，LivePlan 将问题解决率平均提升了 9.9%（最高达 15.2%），而每个实例的成本仅微增 0.08 美元，在解决中高难度任务方面展现出显著的性能提升。
编程智能体的在线监控与纠偏导向
Online Monitoring and Corrective Steering of Programming Agents
作者： Shuyang Liu, Saman Dehghan, Ji Young Kim, Jatin Ganhotra, Martin Hirzel, Reyhaneh Jabbarvand
日期： 2026年8月7日
主题： 软件工程 (cs.SE)
arXiv： 2608.06701
摘要
修复大规模的 GitHub 问题是一项复杂、长周期的任务，通常容易产生智能体“漂移”——即 AI 智能体效率低下、重复失败的操作，或无法生成可用的补丁。LivePlan 是一种旨在实时监控和纠正这些行为低效的新颖框架。
Summary
Fixing large-scale GitHub issues is a complex, long-horizon task often prone to agent "drift"—where AI agents become inefficient, repeat failed actions, or fail to produce a working patch. LivePlan is a novel framework designed to monitor and correct these behavioral inefficiencies in real time.
与以往完全依赖 LLM 进行规划的方法不同，LivePlan 采用了解耦架构： * 确定性监控器： 一个基于规则的系统，用于跟踪轨迹信号以检测问题，无需 LLM 的开销或成本。 * 顾问 LLM： 仅在检测到问题时调用，提供高水平的下一步修正来引导智能体回到正轨。
Unlike previous approaches that rely solely on LLMs for planning, LivePlan uses a decoupled architecture: * Deterministic Monitor: A rule-based system that tracks trajectory signals to detect issues without the overhead or cost of an LLM. * Advisor LLM: Only invoked when a problem is detected, providing high-level, next-step corrections to steer the agent back on track.
在 SWE-bench Verified 和 SWE-bench Pro 上评估显示，LivePlan 将问题解决率平均提高了 9.9%（最高达 15.2%），每个实例的成本仅增加了极少的 0.08 美元，在解决中高难度任务方面表现出显著的性能提升。
Evaluated on SWE-bench Verified and SWE-bench Pro, LivePlan improved issue resolution rates by an average of 9.9% (up to 15.2%) with a minimal cost increase of $0.08 per instance, showing significant gains in solving medium and hard-difficulty tasks.
核心特性
Key Features
- 高效性： 避免了误导性的重新规划以及昂贵且不必要的 LLM 干预。
- 性能： 持续优于基线模型，特别是在复杂、长周期的编程任务上。
- 鲁棒性： 在成功运行的任务上表现出极小的性能退化，同时为以前无法解决的问题提供了新的解决方案。
- Efficiency: Avoids misleading re-planning and costly, unnecessary LLM interventions.
- Performance: Consistently outperforms baseline models, particularly on complex, long-horizon programming tasks.
- Robustness: Demonstrates minimal regression on successful runs while enabling new solutions for previously unsolvable problems.
访问论文
Access the Paper
许可与元数据
License & Metadata
- DOI： https://doi.org/10.48550/arXiv.2608.06701
- 主要分类： 软件工程 (cs.SE)
- 附加分类： 人工智能 (cs.AI)，计算与语言 (cs.CL)，机器学习 (cs.LG)
- DOI: https://doi.org/10.48550/arXiv.2608.06701
- Primary Category: Software Engineering (cs.SE)
- Additional Categories: Artificial Intelligence (cs.AI), Computation and Language (cs.CL), Machine Learning (cs.LG)