Dude：用于检测论文与代码差异的双重检测多智能体系统

由于研究提交的规模超出了人工审核能力，LLM授权的论文代码差异检测受到越来越多的关注。然而，现有单代理LLM范式的有限上下文容量和片面差异检测导致在检测差异方面的召回性能较差。在本文中，我们提出了 Dude，第一个用于纸张代码差异检测的双检测多代理系统。我们发现，纸张语言和代码语言的粒度不对称在用于差异检测的多代理系统设计中引入了过度解释和过度报告的挑战，导致误报增加。为了解决这个问题，我们在 Dude 中提出了粒度对齐的协商和两阶段显着性过滤机制，这可以有效防止代理错误地报告差异。真实世界纸张代码差异数据集的实验结果表明，与基线方法相比，Dude 的召回率和精确度显着提高了 22.8%，F1 分数提高了 18.7%。