Evaluating Agentic Code Repair Capabilities in Distributed Systems

DDBench 收录 13 个分布式系统中的 60 个缺陷，覆盖跨进程、跨节点和协议交互问题，并评估 10 个 LLM。不同模型通过率跨度达到 61 个百分点，补充运行上下文平均提高 18.1 个百分点，但错误上下文也会把修复引向错误方向。基准的意义在于把代码修复从局部 diff 推向系统因果链，同时量化“更多上下文”并非无条件有益。