SkillForge：通过自蒸馏为仓库定制问题解决技能

基于大型语言模型（LLM）的智能体在自动化软件问题解决方面展现了卓越的能力，然而，由于缺乏项目特定知识，它们往往难以解决特定代码库中的问题。现有的自进化方法从仓库历史或在线修复轨迹中获取此类知识，但它们要么依赖于可用的历史问题解决信号，要么在每次问题的测试时探索上产生大量成本。在本文中，我们提出了SkillForge，一个自我蒸馏框架，主动从代码库本身获取项目特定知识。SkillForge不是等待真实问题暴露项目特定知识的空白，而是通过重新实现代码库中测试覆盖的核心功能来合成项目特定问题。通过解决这些合成问题，SkillForge将可重用的项目特定知识提炼为实体锚定的技能，并将它们与相关代码库实体关联，以供未来问题解决使用。使用开源和闭源模型进行的大量实验表明，SkillForge在强基线上持续提高了问题解决性能。这些结果证明，在解决真实问题之前主动获取项目特定知识，能显著改善下游软件问题解决。