---

目录

• 最先进成果
  • SWE-bench Lite表现
  • 调试差距
  • 仓库特定结果
• MRR基准测试结果
• 关键创新
• 架构
• 基准测试与评估
• 研究论文
• 快速入门
• 仓库结构
• 研究亮点
• 详细性能
• 文档
• 贡献
• 引用
• 许可证

---

模型访问说明

---

🏅 最先进成果

📈 SWE-bench Lite表现

调试差距

仓库特定结果

---

🔬 MRR基准测试结果

🐛 按错误类别划分的性能

📏 仓库规模性能

---

💡 关键创新

1. 调试优先架构

• 基于 4250万条真实调试示例 训练（而非代码补全）
• 专为 根因分析 和 多文件修复 设计
• 89% 的根因准确率，而最佳基线仅为15.8%
• 7层架构 针对调试工作流进行优化

2. 持久化调试记忆（PDM）

• 基于 1500万+ 次调试会话 的仓库特定学习
• 成功率随时间从 35% 提升至 65%
• 跨会话模式识别与学习
• 类似问题的缓存命中率达到 87%
• 能够跨项目生命周期学习时间序列模式

3. 自适应图引导检索（AGR）

• 复杂度为 O(k log d)，支持动态 k-hop 扩展
• 在多文件上下文中达到 92% 的精确率和85% 的召回率
• 可智能处理 无限规模的代码库
• 基于置信度终止的多跳遍历
• 比传统检索方法快 3.8倍

4. 输出优化设计

• 针对 约3000个输出标记（修复、测试、文档）进行优化
• 输出熵密度为 47.2%，而补全模型仅为12.8%
• 专为 复杂补丁生成 设计
• 具备模板感知的生成能力以保证一致性
• 基于置信度的输出策略

5. 自主调试循环

• 平均需要 7.8次迭代 才能成功修复
• 包含 提出 → 测试 → 分析 → 优化 循环
• 67.3% 的完全自主成功率
• 使用执行沙盒并提供实时反馈
• 通过迭代优化直至验证通过

---

🏗️ 架构

七层系统设计

┌─────────────────────────────────────────────┐
│   7. 可解释性层                   │  人类可读的根因分析
├─────────────────────────────────────────────┤
│   6. 执行沙盒                      │  隔离的测试验证环境
├─────────────────────────────────────────────┤
│   5. 持久化调试记忆（PDM）          │  仓库特定的学习
├─────────────────────────────────────────────┤
│   4. 协调控制器                    │  自主调试循环管理
├─────────────────────────────────────────────┤
│   3. 调试优化的 LLM 核心           │  4250万条调试示例
├─────────────────────────────────────────────┤
│   2. 自适应检索引擎（AGR）          │  动态 k-hop 图遍历
├─────────────────────────────────────────────┤
│   1. 多源输入层                     │  代码、日志、追踪、测试、文档
└─────────────────────────────────────────────┘

层级说明

1. 多源输入层：同时处理代码、日志、追踪、测试和文档。
2. 自适应检索引擎（AGR）：动态 k-hop 图遍历，精确率达92%。
3. 调试优化的 LLM 核心：基于4250万条调试示例训练，而非代码补全。
4. 协调控制器：负责管理自主调试循环。
5. 持久化调试记忆（PDM）：仓库特定的学习机制，使成功率从35%提升至65%。
6. 执行沙盒：隔离的测试验证环境。
7. 可解释性层：提供人类可读的根因分析。

查看详细架构文档 →

---

🧪 基准测试与评估

📋 可用基准测试

基准测试	类型	实例数	目的	结果
SWE-bench Lite	行业标准	300	真实世界调试	80.33%
MRR 基准测试	自定义	5,000（500样本）	多随机检索	67.3%
仓库规模测试	自定义	各种规模	大型代码库测试	59.7-71.2%
Bug 类别测试	自定义	4,400+	Bug 类型专项测试	58.3-94.2%

🏆 SWE-bench Lite 评估结果

查看完整的 SWE-bench Lite 提交 →

评估目录包含：

• README.md：详细的提交结果和方法论
• metadata.yaml：提交元数据和配置
• all_preds.jsonl：所有300个实例的预测结果
• Kodezi Chronos-1.hybrid_eval.json：完整的评估指标
• logs/：所有实例的执行日志
• results/：每个实例的结果和分析
• trajs/：调试轨迹和修复尝试

🎯 多随机检索（MRR）基准测试

MRR 模拟了真实的调试复杂性：

• 空间分布：Bug 上下文分散在10-50个文件中
• 时间分散：相关信息来自3-12个月的历史
• 混淆程度：低/中/高代码复杂度
• 5,000个场景：跨语言的全面评估（现提供500个样本数据集，完整基准将于2026年第一季度发布）

指标	Chronos	GPT-4.1+RAG	Claude 4.1+VectorDB	Gemini 2.0+Graph
Precision@10	92%	42.3%	48.1%	51.7%
Recall@10	85%	31.7%	36.2%	41.8%
修复准确率	67.3%	8.9%	11.2%	14.6%
上下文效率	0.71	0.23	0.28	0.31

查看完整的基准测试文档 →

---

📚 研究论文

已发表的研究

标题：Kodezi Chronos：面向仓库规模代码理解的调试优先语言模型

作者：Ishraq Khan、Assad Chowdary、Sharoz Haseeb、Urvish Patel、Yousuf Zaii

机构：Kodezi Inc.

出版物：arXiv:2507.12482（2025年）

论文资源

资源	描述	链接
arXiv 论文	官方出版物	查看
完整论文（Markdown）	以 Markdown 格式的完整论文	查看
2025 更新	最新研究发现	查看
摘要	执行摘要	查看
方法学	研究方法	查看
相关工作	文献综述	查看
未来工作	研究方向	查看

主要贡献

1. 调试专用架构：首个专门针对调试工作流训练的语言模型（4250万条示例）
2. 自适应图引导检索（AGR）：新颖的多跳检索方法，复杂度为O(k log d)
3. 持久化调试记忆（PDM）：跨会话学习系统，用于识别仓库特定模式
4. 全面评估：涵盖多个基准测试的12,500个真实世界缺陷
5. 最先进结果：在SWE-bench Lite上达到80.33%的准确率（领先第二名20个百分点）

---

🚀 快速入门

前置条件

# 需要 Python 3.8 或更高版本
python --version

# 需要 Git 进行克隆
git --version

快速开始：运行基准测试

# 克隆仓库
git clone https://github.com/kodezi/chronos-research.git
cd chronos-research

# 安装依赖
pip install -r requirements.txt

# 在您的模型上运行 MRR 基准测试
python benchmarks/run_mrr_benchmark_2025.py \
  --model your_model \
  --scenarios 100  # 先从子集开始测试

# 运行完整样本评估（有500个场景可用）
python benchmarks/run_mrr_benchmark_2025.py \
  --model your_model \
  --scenarios 500

# 分析结果
python benchmarks/analyze_results.py \
  --results_dir results/your_model

模型访问

Chronos 模型不包含在此仓库中

本仓库包含：

• 研究论文及文档
• 基准测试套件与评估框架
• 性能结果与分析
• Chronos 模型（专有，未包含）

若需访问 Chronos 模型：

访问方式	可用性	详情
Kodezi OS	2025年第四季度（Beta）	企业版 Beta 访问
Kodezi OS	2026年第一季度（GA）	正式发布
API 访问	2026年第一季度	API 接口

加入候补名单 → | 联系销售 →

---

📁 仓库结构

chronos-research/
│
├── benchmarks/                    # 基准测试套件
│   ├── multi-random-retrieval/      # 5,000场景MRR基准测试（有500个样本可用）
│   ├── comprehensive_benchmarks/    # 扩展测试场景
│   ├── debug_categories/            # 缺陷类型分类（6种）
│   ├── evaluation_metrics/          # 自定义指标实现
│   ├── run_mrr_benchmark_2025.py    # 主基准测试运行脚本
│   └── analyze_results.py           # 结果分析工具
│
├── evaluation/                    # 评估结果
│   └── lite/                        # SWE-bench Lite结果（80.33%）
│       └── 20251111_kodezi_chronos_1/  # 官方提交
│           ├── all_preds.jsonl      # 所有300个预测
│           ├── logs/                # 300多个执行日志
│           ├── results/             # 每个实例的结果
│           └── trajs/               # 调试轨迹
│
├── paper/                         # 研究论文
│   ├── chronos-research.md          # 完整论文（arXiv:2507.12482）
│   ├── chronos-research-2025.md     # 2025年更新
│   ├── abstract.md                  # 执行摘要
│   ├── methodology.md               # 研究方法论
│   └── figures/                     # 可视化图表
│
├── architecture/                  # 架构文档
│   ├── README.md                    # 架构概述
│   ├── AGR_ALGORITHM.md             # 自适应图引导检索
│   ├── memory_engine.md             # 持久化调试记忆（PDM）
│   └── debugging_loop.md            # 自主循环设计
│
├── results/                       # 性能数据
│   ├── figures/                     # 15+ SVG可视化图表
│   ├── ablation_studies/            # 组件影响分析
│   ├── case_studies/                # 真实世界调试案例
│   └── raw_data/                    # 基准测试输出（CSV/JSON）
│
├── reference_implementations/     # 算法参考代码
│   ├── algorithms/                  # AGR、PDM参考实现
│   └── NOTICE.md                    # 专有声明
│
├── docs/                          # 文档
│   ├── getting_started.md           # 快速入门指南
│   ├── API_DOCUMENTATION.md         # API 参考文档（2026年第一季度）
│   ├── faq.md                       # 常见问题解答
│   └── limitations.md               # 已知限制
│
├── LEADERBOARD.md                 # 性能排名
├── CITATION.cff                   # 引用信息（BibTeX）
├── CONTRIBUTING.md                # 贡献指南
├── LICENSE                        # MIT 许可证 + 专有声明
└── requirements.txt               # Python 依赖项

关键目录：

• benchmarks/：5,000场景MRR基准测试（有500个样本可用），支持多语言，自动化评估
• evaluation/：SWE-bench Lite结果（80.33%，241/300个实例）
• paper/：完整的研究论文及文档（arXiv:2507.12482）
• architecture/：7层系统设计，AGR/PDM文档
• results/：12,500+个缺陷修复，可视化图表，统计分析
• reference_implementations/：算法参考代码（非实际模型）

---

🔬 研究亮点

训练数据构成

数据来源	数量	描述
调试示例	42.5M	完整的调试工作流
GitHub Issues	15M	已验证修复的问题
堆栈跟踪	8M	包含解决方案的错误堆栈
CI/CD 日志	3M	构建和部署调试日志
生产环境会话	2.5M	真实生产环境中的缺陷
精选基准测试	14M	Defects4J、SWE-bench、BugsInPy

总训练数据：42.5M条调试专用示例（非代码补全）

AGR 按深度的性能

检索策略	成功率	平均时间（秒）	使用场景
k=1 跳	58.2%	12.3	简单缺陷
k=2 跳	72.4%	18.7	多文件缺陷
k=3 跳	83.1%	24.5	复杂依赖关系
k=自适应	87.1%	23.4	最优策略
平坦检索	23.4%	45.2	基线对比

PDM 学习曲线

会话数	成功率	令牌效率	内存大小
初始	35%	1.0x	0 GB
100次会话	52%	3.2x	2.1 GB
500次会话	65%	7.3x	8.7 GB
1000+次会话	67%	8.1x	15.2 GB

核心见解：PDM通过跨会话学习实现持续改进

---

📊 详细性能

语言特定性能

调试循环效率

上下文窗口效率

消融实验

---

📖 文档

---

🤝 贡献

我们欢迎对评估框架和基准测试的贡献！

如何贡献

# 1. 分支并克隆仓库
git clone https://github.com/[your-username]/chronos-research.git
cd chronos-research

# 2. 创建功能分支
git checkout -b feature/your-contribution

# 3. 进行更改
# - 添加新的基准测试
# - 改进文档
# - 修复评估脚本中的 bug

# 4. 运行测试
python -m pytest tests/

# 5. 提交更改
git add .
git commit -m "feat: description of your changes"

# 6. 推送并创建 PR
git push origin feature/your-contribution

贡献指南

• 为新功能添加测试
• 遵循现有代码风格
• 更新文档
• 为新功能添加基准测试
• 包括性能分析

详细指南请参阅 CONTRIBUTING.md。

---

📝 引用

如果您在工作中使用了本研究，请引用：

@article{khan2025chronos,
  title={Kodezi Chronos: A Debugging-First Language Model for
         Repository-Scale Code Understanding},
  author={Khan, Ishraq and Chowdary, Assad and
          Haseeb, Sharoz and Patel, Urvish and Zaii, Yousuf},
  journal={arXiv preprint arXiv:2507.12482},
  year={2025},
  url={https://arxiv.org/abs/2507.12482},
  note={State-of-the-art: 80.33\% on SWE-bench Lite}
}

---

🏢 关于 Kodezi

---

📧 联系方式与社区

---

📄 许可证

© Kodezi Inc. 版权所有。 使用须遵守 Kodezi 的服务条款。

MIT 许可证

版权所有 © 2025 Kodezi Inc.

特此授予任何人免费获取本软件及与其相关的文档文件（以下简称“软件”）的副本的权利，允许以任何方式处理该软件，包括但不限于使用、复制、修改、合并、发布、分发、再许可和出售软件副本，并允许向任何接收软件的人提供软件以供其使用，但须遵守以下条件：

上述版权声明和本许可声明应包含在软件的所有副本或重要部分中。

本软件按“原样”提供，不提供任何形式的明示或暗示担保，包括但不限于适销性、特定用途适用性和非侵权性。在任何情况下，作者或版权所有者均不对因本软件或其使用而引起的任何索赔、损害或其他责任承担责任，无论该等责任是基于合同、侵权行为或其他原因产生的，亦无论该等责任是否与本软件或其使用有关。

⚠️ 重要提示

本许可证仅适用于本仓库中包含的研究论文、基准测试、评估框架和文档。

Kodezi Chronos 模型本身属于 Kodezi Inc. 的专有技术，并 未包含在本仓库中，亦不受本许可证的约束。

📦 MIT 许可证涵盖的内容

• 研究论文：arXiv 出版物及 Markdown 版本
• 基准测试套件：MRR 及评估框架
• 评估结果：SWE-bench Lite 结果及分析
• 文档：架构文档、指南和参考资料
• 参考实现：算法参考代码（并非实际模型）

🔒 专有组件

• Chronos 模型：未包含在本仓库中
• Kodezi OS 集成：专有平台组件
• 生产级 API：企业级部署基础设施

🚀 Chronos 模型访问权限

Chronos 模型仅可通过 Kodezi OS 获得：

• 2025 年第四季度：企业版 Beta 访问
• 2026 年第一季度：正式商用发布
• 了解更多信息：chronos.so
• 提前获取访问权限：kodezi.com/os

---

Kodezi Chronos 快速上手指南

重要提示：Kodezi Chronos 是一款专有模型，目前不提供开源代码下载或直接本地部署。本仓库仅包含研究论文、基准测试数据和评估结果。模型功能需通过 Kodezi OS 平台访问。

以下指南将帮助您了解如何获取访问权限并准备使用环境。

1. 环境准备

由于 Chronos 是通过云端 API 或 Kodezi OS 集成提供的服务，您无需配置复杂的本地 GPU 环境，但需要满足以下基础条件：

• 操作系统：Windows, macOS, 或 Linux (推荐 Ubuntu 20.04+)
• 网络要求：稳定的互联网连接（访问 chronos.so 和 kodezi.com）
• 开发工具：
  • Git (用于克隆本仓库查看文档)
  • Python 3.8+ (如果使用 SDK 或脚本交互)
  • 支持 Bash 的终端环境
• 账号权限：需要申请并获得 Kodezi Chronos 的访问资格（见下文）。

2. 安装与访问步骤

目前无法通过 pip 或 docker 直接安装模型权重。请按照以下步骤获取访问权限：

第一步：申请访问权限

访问官方等待列表页面进行注册：

# 请在浏览器中打开以下链接申请 Early Access
https://chronos.so

第二步：克隆研究仓库（可选）

如果您需要查看详细的基准测试数据、论文草稿或评估脚本，可以克隆本仓库：

git clone https://github.com/kodezi/chronos.git
cd chronos

第三步：集成 Kodezi OS (预计 2026 Q1 正式发布)

根据官方路线图，通用访问将通过 Kodezi OS 提供。请关注官方文档以获取未来的 SDK 安装命令：

• Beta 阶段 (2025 Q4)：仅限有限的企业用户访问。
• 正式发布 (2026 Q1)：通过 Kodezi OS 集成使用。

(注：当前暂无公开的 Python SDK 安装命令，如 pip install kodezi-chronos，请勿尝试安装不存在的包。)

3. 基本使用

由于模型尚未完全公开，目前的使用方式主要为提交等待列表或查阅评估报告。一旦获得访问权限，典型的使用流程将如下所示（基于架构描述的预期工作流）：

场景：自主调试循环 (Autonomous Debugging Loop)

Chronos 设计用于处理仓库级别的代码理解与调试。获得权限后，预期的交互模式如下：

1. 输入上下文：提供代码库路径、错误日志、堆栈跟踪或测试失败信息。
2. 执行调试：模型将通过自适应图引导检索 (AGR) 分析多文件上下文。
3. 获取修复：模型生成修复补丁、测试用例及根本原因分析。

预期命令示例（未来版本）：

# 以下为基于文档架构的预期命令格式，具体语法请以正式发布的 SDK 文档为准
kodezi chronos debug --repo ./my-project --error-log "logs/failure.txt" --auto-fix

核心能力指标参考：

• SWE-bench Lite 成功率: 80.33%
• 自主调试成功率: 67.3%
• 平均修复迭代次数: 7.8 次
• 适用场景: 逻辑错误、并发问题、内存问题及跨文件 API 误用。

---

相关链接：

• 申请早期访问
• 阅读研究论文
• 查看排行榜结果