PLLM+
一种混合式Python依赖修复流水线，采用分层策略按成本从低到高依次使用AST静态分析、历史配置回放、实时PyPI验证和LLM兜底，通过Proposer/Critic双智能体协作解决Python依赖冲突问题
时间轴 (近 90 天)
PLLM+是一个混合依赖修复流水线，用于解决Python依赖冲突问题
PLLM+由arXiv论文（arXiv:2609.26952v1）提出
PLLM+采用先便宜后昂贵的分层修复策略，优先执行低成本的确定性步骤，把LLM作为最后兜底
PLLM+的流水线阶段按成本从低到高包括静态AST解释器推断、历史成功配置回放、实时PyPI验证，最后才退回LLM结构化修复循环
PLLM+的LLM兜底环节引入类型化错误分类，并通过Proposer/Critic双智能体协作进行修复
在HG2.9K基准上，PLLM+解决了1,500个片段，基线方法PLLM只解决了1,169个，提升约28%
PLLM+平均每个片段的处理时间从368.7秒降至71.8秒，速度提升超过5倍
在PLLM+的1,500个成功修复中，有1,495个来自解决方案数据库的配置回放，LLM兜底仅额外贡献了5个修复
配置回放策略在有前置答案的场景效果好，在没有现成解决方案库的真实开源项目中LLM修复的相对权重可能会显著上升
全部知识事实 (9)
PLLM+是一个混合依赖修复流水线，用于解决Python依赖冲突问题
50%待验证PLLM+由arXiv论文（arXiv:2609.26952v1）提出
50%待验证PLLM+采用先便宜后昂贵的分层修复策略，优先执行低成本的确定性步骤，把LLM作为最后兜底
50%待验证PLLM+的流水线阶段按成本从低到高包括静态AST解释器推断、历史成功配置回放、实时PyPI验证，最后才退回LLM结构化修复循环
50%待验证PLLM+的LLM兜底环节引入类型化错误分类，并通过Proposer/Critic双智能体协作进行修复
50%待验证在HG2.9K基准上，PLLM+解决了1,500个片段，基线方法PLLM只解决了1,169个，提升约28%
50%待验证PLLM+平均每个片段的处理时间从368.7秒降至71.8秒，速度提升超过5倍
50%待验证在PLLM+的1,500个成功修复中，有1,495个来自解决方案数据库的配置回放，LLM兜底仅额外贡献了5个修复
50%待验证配置回放策略在有前置答案的场景效果好，在没有现成解决方案库的真实开源项目中LLM修复的相对权重可能会显著上升
50%