Merge-Bench：使用 大语言模型 解决合并冲突

本文将机器学习应用于版本控制合并这一艰巨而重要的任务。 (1) 我们构建了一个数据集 Merge-Bench，其中包含来自 1439 个 GitHub 存储库的 7938 个现实世界合并冲突块。 真值 是开发人员提交给存储库的合并决议。我们的数据集构建方法可扩展到任意数量的数据，因为不需要手动标记。 (2) 我们训练了一个模型LLMergeJ来解决Java程序中的合并冲突。我们的方法使用组相对策略优化 (GRPO)（一种在线强化学习方法）来训练 大语言模型 (LLM)。 (3)我们对LLM在解决合并冲突方面的性能进行了两次评估。在Java程序上，具有14B参数的LLMergeJ优于3个商业LLM，仅落后于Gemini 2.5 Pro。在 11 种编程语言中，商业 LLM 性能在不同语言之间基本稳定。最好的模型能够正确解决不到 60% 的合并冲突。