AI消息速览

Change2Task——从仓库变更到可执行的编程智能体任务与环境

事件日期 2026-07-30 · 学术前沿 · 已接受

返回列表 打开来源
事件日期2026-07-30
信息日期2026-07-30
入库日期2026-07-31
通道学术前沿
状态已接受
来源arXiv 论文

知识卡片：Change2Task——从仓库变更到可执行的编程智能体任务与环境

  • 英文标题：Change2Task: From Repository Changes to Executable Coding Agent Tasks and Environments
  • 英文关键词（根据摘要提炼）：Coding Agents; Executable Data; Repository History; Task Construction; Pull Requests
  • 原始来源：https://arxiv.org/abs/2607.28591v1 （arXiv:2607.28591v1, cs.SE, 2026-07-30）

一句话结论

Change2Task 是一个基于仓库历史自动将已合并 Pull Request 转化为“可在现代健康代码版本上运行并经自动验证的编程智能体任务”的系统，在 1,130 个候选源变更上达到 79.6% 的验证任务构建成功率，相比基于 Pull Request 的构建基线多恢复 29.2% 的验证任务。

事件概述或研究问题

编程智能体的规模化发展依赖持续供给可执行的数据，用于训练、基准测试和持续评估。这类数据中的每个任务需要同时包含真实软件状态、规格说明、开发工具和可靠验证。现有数据通常来自人工标注或固定基准，构建成本高、环境复用难。该研究提出 Change2Task，从维护中仓库的合并 Pull Request 出发，将历史变更证据对齐到演化的代码上，自动重建任务起始状态、目标状态并验证生命周期。

方法/产品要点

  • 输入：已合并的 Pull Request 及对应仓库历史。
  • 目标：在同一仓库的健康现代版本上构造可验证任务。
  • 任务状态重建方式：Patch Reversal（补丁反转）、Code Mapping（代码映射）、Agent Reconstruction（智能体重建）三种途径，具体细节待核实。
  • 验证生命周期：从健康基座到任务状态，再恢复为已还原状态，确保任务可执行、可验证。
  • 覆盖五类常见任务族：Bug Fix（缺陷修复）、Feature Addition（功能添加）、Test Generation（测试生成）、API Migration（API 迁移）、Security Repair（安全修复）。

主要结果或产业意义

  • 在 1,130 个满足构建条件的源变更上，Change2Task 的验证任务构建成功率为 79.6%。
  • 在匹配候选集上，比基于 Pull Request 的构建基线多恢复 29.2% 的验证任务。
  • 在智能体评估中，历史案例和重建案例的结果匹配一致性最高可达 98.0%。
  • 通过复用现代基座环境，完整管线的测量开销降低 10.8%。
  • 产业意义：可以规模化生成高质量编程智能体训练/评测数据，减少重复环境搭建、存储和任务构建成本。

为什么重要

  • 编程智能体需要持续新增“可执行”且“可验证”的任务数据，而不仅仅是非结构化的代码文本。Change2Task 提供了一条从真实仓库历史中自动挖掘此类数据的路径。
  • 与已有相关卡片中的“数据选择”类工作（如 PPL-Factory）不同，Change2Task 专注于任务构造与环境生成，解决“数据从哪里来、如何验证”的上游供给问题。
  • 与 STRACE（智能体轨迹优化）和 BioASQ（问答流水线）不属于同一任务类型，但共同说明智能体/LLM 能力的持续改进依赖于高质量数据和结构化任务设计。

局限与不确定性

  • 具体实现细节（如 Patch Reversal、Code Mapping、Agent Reconstruction 的算法定义与适用范围）待核实。
  • “1,130 个源变更”的筛选条件、仓库规模与领域分布待核实。
  • 79.6% 的成功率是在特定任务族和候选集上的结果，扩展到其他任务类型或真实开发场景的泛化能力待核实。
  • 10.8% 的管线开销降低依据的具体度量口径待核实。
  • 系统对“健康现代修订版本”的依赖意味着仓库必须持续维护，且现代代码与历史变更的差异可能影响任务真实性。

可用于图书/PPT/简报的角度

  • 用图解展示“合并 PR → 状态重建（三种方式）→ 生命周期验证 → 可执行任务”的流水线。
  • 对比“传统人工任务构建”与“Change2Task 自动构建”在成本、规模、验证上的差异。
  • 以 Bug Fix、API Migration 等任务族为例，说明如何将 GitHub 历史转化为可训练智能体的“习题集”。
  • 讨论智能体数据工程的新维度：真实性、可执行性、可验证性、环境复用。

原始材料

  • URL: https://arxiv.org/abs/2607.28591v1
  • ArXiv ID: 2607.28591v1
  • 标题: Change2Task: From Repository Changes to Executable Coding Agent Tasks and Environments
  • 作者: Haomin Qi, Xingliang Wang, Xuanqi Gao, Baihui Sang, Xin Zhang, Minghua Ma, Pengfei Gao, Yu Kang, Qingwei Lin, Saravan Rajmohan, Dongmei Zhang, Qi Zhang
  • 发布/更新: 2026-07-30
  • 分类: cs.SE (also cs.CL, cs.LG)