论文链接：If It’s Not Buggy, Don’t Fix It: On the Dynamics of Iterative Bug-fixing with LLMs 发表时间：2026年9月10日 机构：University of Warwick × UnlikelyAI —— 产学研合作 领域标签：cs.SE / Automated Repair / Model Internals
一、论文背景
自动修复的默认叙事是"迭代改进"：让 LLM 反复修复代码，每轮都更好。但实践者的体验常相反——修 A 坏 B，几轮后面目全非。相关研究（Laban et al. 2026）发现 LLM 对代码可读性的迭代改进会收敛到不动点，暗示模型有"最优可读性"的内部表征。修复任务是否也有类似内部倾向？迭代修复的长期行为到底是什么？
本文的切入点是把迭代修复当作离散动力系统：状态=代码（bug 集合），转移=LLM 一次修复，然后用动力系统工具（吸引子、修复率/损伤率、收敛性）刻画长期行为——而不是只看单轮 pass rate。
二、论文定位和关联工作
| 视角 | 工作 | 局限 |
|---|---|---|
| 单轮修复性能 | APR 系列（SWE-agent 等） | 不关心迭代动力学 |
| 迭代改进收敛 | Laban 2026（可读性不动点） | 非修复任务 |
| 自精化 | Self-Refine/Madaan 等 | 假设改进单调 |
| 本文 | 修复动力学+机制干预 | — |
定位结论：本文把"迭代修复"从工程实践提升为可分析系统，并首次把 steering vector 干预引入修复行为控制。
三、问题定义
具体问题：LLM 主导的迭代修复的长期动力学是什么？收敛到哪里、何时恶化、能否从模型内部干预修复倾向？
关键设定：每轮迭代模型只看到当前代码（含上一轮的修改结果），看不到历史状态——模拟"用户盲目批准修改、上下文超限、多 agent 委派"等现实约束。
四、问题解法
1. 动力学形式化：代码状态 s_t（bug 集合的载体），转移映射由 LLM 修复行为给出 s_{t+1} = LLM(s_t)。度量每轮的修复率（修掉的 bug / 存在的 bug）与损伤率（新引入的 bug / 已正确部分）。
2. 吸引子分类：迭代轨迹按终态分类——正确收敛（真修好）、振荡（修了又坏坏了又修）、幻觉吸引子（模型声称修复不存在的代码块，搜索不到目标块导致循环早停——一种"通过放弃来稳定"的伪收敛）。
3. Bug steering vector：对比"修复倾向强 vs 弱"条件下的激活，提取 steering vector；验证其可从 layer ~19 线性读出（该层接近输出准备层，分类器能从激活读出解的状态），并做双向注入干预。
五、评估指标与实验证据
- 修复率/损伤率（4.1 节）：两者并存，损伤率在无 bug 可修时依然非零——“没病也修"是系统性行为而非偶发；
- 吸引子谱（4.2 节）：正确收敛、振荡、幻觉修复三类稳定出现；幻觉吸引子中模型虚构代码块导致搜索失败、循环提前终止；
- steering 实验（5 节）：正向放大 steering vector → 修复轮数增多但同时幻觉增多（bug 变多导致循环早停，模型"幻觉出要修的代码”）；抑制 → 更保守。层位分析：约 layer 19 可分性接近 1.0，与该层为 unembedding 做最后准备一致。
六、效果优势的根源解释
这不是性能竞赛论文，其价值在于两个机制性解释：
- 损伤率的来源：修复行为由"找 bug"的先验驱动，当 bug 稀缺时先验不会关闭——模型在健康代码上继续"发现"问题，等效于过度医疗。修复率与损伤率共享同一驱动，是同一枚硬币的两面；
- steering 有效的条件：修复倾向在 late layer（~19）已成线性可读状态，说明它是模型"计算完成后的决策倾向"而非深层语义——因此可以在推理时廉价干预。幻觉与修复共享 steering 方向，解释了为什么"更爱修"必然伴随"更多幻觉"——两者是同一倾向的正负表达。
七、必要知识反推
- 吸引子：动力系统中轨迹收敛的稳定状态，本文借用来分类修复终态。
- Steering vector：激活空间中代表某行为方向的向量，加/减它可增强/抑制行为（源自Activation Steering 研究）。
- Self-Refine：LLM 迭代自我改进的通用框架，本文质疑其单调性假设。
- 损伤率概念：与 APR 领域 regression 概念相关，但本文将其作为动力学变量逐轮测量。
八、论文中可以提取的通用性灵感
- 把迭代流程当动力系统分析：任何"LLM 反复改 X"的流程（文档、设计、代码）都值得问：吸引子是什么？损伤率多高？——单轮质量指标完全掩盖这些；
- “没病别修"需要机制闸门：先验证问题存在再执行修复（本文的执行引导定位、差分验证是互补方案）——修复类系统的第一守则应是"确认病灶”；
- 行为倾向可从内部读出并可干预：修复倾向/幻觉倾向这类高风险行为在 late layer 线性可读，意味着部署时可加"倾向监视器+刹车"——机制可解释性的直接工程红利；
- 伪收敛也是收敛：幻觉吸引子提醒我们，系统"稳定下来"不等于"做对了"——评估迭代系统要区分终态类型而非只看是否停止；
- 损伤率应成为修复系统的标准指标：只报修复率不报损伤率的自动修复评估都是不完整的。