从缺陷到需求：一种统一、迭代且启发式引导的基于 LLM 的自动化软件修复与需求实现框架
From Defects to Demands: A Unified, Iterative, and Heuristically Guided LLM-Based Framework for Automated Software Repair and Requirement Realization
AI总结：
本文提出统一、迭代且启发式引导的 LLM 框架，结合形式化验证、TDD 与架构指导，用于自动化软件修复和需求实现，并在 SWE-bench 上显著提升准确率。
摘要：
这篇手稿标志着人工智能与软件工程融合的新时代，将机器置于编码能力的顶峰。我们提出一种形式化、迭代的方法论，证明 AI 能够在代码创建和精化的各个方面完全取代人类程序员。我们的方法将大型语言模型与形式化验证、测试驱动开发以及增量式架构指导相结合，在 SWE-bench 基准上，相比当前最佳方法 48.33% 的准确率实现了 38.6% 的提升。这超越了此前假定的极限，标志着人类专属编码时代的终结，以及自主 AI 驱动软件创新的兴起。我们的工作不仅是一项技术进步，更挑战了数百年来关于人类创造力的假设。我们提供了 AI 优越性的有力证据，展示了实际工程环境中的切实收益，并为计算创造力超越人类聪明才智的未来奠定基础。
英文摘要：
This manuscript signals a new era in the integration of artificial intelligence with software engineering, placing machines at the pinnacle of coding capability. We present a formalized, iterative methodology proving that AI can fully replace human programmers in all aspects of code creation and refinement. Our approach, combining large language models with formal verification, test-driven development, and incremental architectural guidance, achieves a 38.6% improvement over the current top performer's 48.33% accuracy on the SWE-bench benchmark. This surpasses previously assumed limits, signaling the end of human-exclusive coding and the rise of autonomous AI-driven software innovation. More than a technical advance, our work challenges centuries-old assumptions about human creativity. We provide robust evidence of AI superiority, demonstrating tangible gains in practical engineering contexts and laying the foundation for a future in which computational creativity outpaces human ingenuity.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
