EGSS: Entropy-guided Stepwise Scaling for Reliable Software Engineering

Idea

EGSS 将软件修复的 test-time scaling 拆为按步骤不确定性分配搜索预算，以及跨轨迹合并测试后选择补丁。其重点不是无差别生成更多完整候选，而是在关键工具决策处分叉，并把各条轨迹产生的调试证据转化为共同的可执行验证标准。

Research Problem

重复采样或均匀树搜索会在读取、编辑等近乎确定的步骤上浪费计算；最终候选选择又常依赖单个 judge 或各自生成的测试。作者发现许多失败轨迹已经做过自我验证，说明单一路径可能陷入 self-deceptive debugging，测试成功并不能暴露其他推理路径识别出的缺陷。

Insight

工具选择 entropy 在轨迹中高度不均匀，少数高熵节点更值得探索。与此同时，不同候选的调试过程包含互补的边界条件和回归需求；聚合这些需求可改善选择，而不必把每条轨迹仅视为一个最终补丁。

Method

1. Dynamic Stepwise Search 计算当前状态下工具分布的 entropy，在高不确定性决策处进行重点扩展；辅助 LLM judge 根据任务、轨迹、rubric 和下一动作在线评估分支。
2. 搜索评分结合动作 log-likelihood、judge 反馈及长度归一化，对 partial trajectories 排序并保留 top-K 路径，产生多样候选补丁和对应轨迹树。
3. Test Consolidation Augmentation 从整棵树提取调用调试工具的节点，TestConsolidationAgent 联合仓库上下文生成统一测试套件；TestEvaluationAgent 通过 bash 工具逐个执行，按 pass-rate 阈值过滤补丁。
4. 对通过测试的候选，由多个 PreferenceSelector 独立结合仓库上下文选择，再 majority vote 得到最终补丁；实验同时报告实际 resolved percentage、候选 oracle 表现与 token 成本。