SCG-Agent: A Scheduler-Driven Code Generation Framework with Multi-Checker

doi:10.1109/tse.2026.3725731

SCG-Agent: A Scheduler-Driven Code Generation Framework with Multi-Checker

2026-08-20

0

PRE

AI

DOI：10.1109/tse.2026.3725731

原文链接

原文求助

摘要

En 中文

随着大型语言模型（LLMs）的快速发展，AI编码助手如GitHub Copilot已成为现代开发工作流程的重要组成部分。然而，大多数先前工作优先考虑生成代码的功能正确性，往往忽视了关键的安全方面。因此，此类代码可能存在漏洞或触发运行时错误。如果开发者采用这些助手的不安全代码，项目可能会继承新的漏洞——甚至将这些漏洞传播到未来的LLM训练数据中。虽然最近的多人协作方法旨在提高LLM生成代码的质量，但它们通常在必要时执行所有可用的检查器，导致不必要的API调用和计算开销。为解决这些局限性，我们提出了SCG-Agent，一种基于LLM代码生成的调度器驱动框架。SCG-Agent集成了辅助检查器——单元测试器、静态分析器和模糊测试器——由结合CodeBERT-MoE小型模型和基于LLM的大型模型的协作调度机制驱动。该调度器动态确定应用哪些检查以及顺序，使SCG-Agent能够高效平衡代码质量和计算开销。SCG-Agent的一个关键优势是其模块化和可扩展设计——单元测试器、静态分析器和模糊测试器可以无缝替换为最先进的替代方案。我们使用HumanEval和SecurityEval基准在6个LLM上评估了SCG-Agent，展示了卓越性能，平均UT-Pass@1为88.72%，SA-Pass@1为93.10%，FT-Pass@1为82.98%。此外，SCG-Agent的调度器有助于减少API调用，消融结果表明调度器优化的检查器顺序有利于代码生成性能。我们进一步在无污染的LiveCodeBench上验证了SCG-Agent，以排除数据泄露偏差。

Keyword:

Code Generation

Secure Coding

Agentic AI Systems

AI-Driven Programming

SCG-Agent: A Scheduler-Driven Code Generation Framework with Multi-Checker

摘要

期刊

机构

引用论文