AI 编程助手总记不住你的偏好？这篇论文造了个基准来治它

每天都在用 Cursor 或 Copilot 写代码的人，大概率撞过这个场景：你告诉助手「用异步版本，别阻塞主线程」，它写对了。过两天又提一个类似的需求，它停下来问——「这边用异步还是同步？」。好像上次的对话压根没发生过。

这不是模型数学能力不行，而是大多数编程助手在处理模糊请求时，只盯着当前会话。每个请求都被当作孤立问题处理，该问的澄清一句不少，哪怕同一个用户昨天刚回答过一模一样的问题。

一篇挂在 arXiv 上的新论文（2607.26611，7 月 29 日提交）专门点了这个痛点。来自 Zijian Xu、Wenshuo Zhang 等 7 位作者，核心问题很简单：编程助手能不能跨会话记住一个用户怎么消歧义，并在新 session 里直接用，而不是重新问一遍？

他们把这个问题定义为「个性化歧义适应」（personalized ambiguity adaptation），并造了一个基准数据集叫 CAPA。思路是先归纳出编程场景中 6 种常见的个性化歧义机制——比如用户对并发方案、错误处理风格、命名约定等方面的稳定偏好——然后设计了一套三阶段生成流水线，把这些歧义注入到原本无歧义的编程任务里，构造出有明确正确答案的测试样本。

最终 CAPA 包含 600 个编程会话，覆盖 60 个「用户 × 歧义类型」组合，其中 300 个留作评测集。每个会话模拟一个用户在特定场景下遇到歧义、需要助手根据历史偏好做出正确响应的完整过程。

论文评测了 12 个近期主流大模型，分两种条件：不看用户历史（no-history）和能看到同一用户历史会话（same-user-history）。指标有三个：最终能不能跑通（executable success）、第一轮就给正确答案的比例（first-turn success）、以及需要几轮来回才搞定（turns-to-completion）。

从论文描述看，加入了同用户历史之后，模型在第一轮就命中正确答案的比例有明显提升，澄清来回次数也降了。他们还提了一个轻量级推理时方法叫「同用户历史门控」（same-user history gating），核心是先快速筛出历史里真正相关的消歧记录，再喂给模型，不是一股脑全塞进上下文。

这个方向挺实在。现在大家都在卷上下文长度、卷 Agent 一口气能生成多少行代码——但真正每天在编辑器里跟 AI 配对写代码的人，最消磨耐心的往往不是代码写错，而是反复回答同一个问题。「我说过了啊」这种情绪在 IDE 里累积多了，比编译报错还劝退。

Benchmark 归 benchmark，真要落地还有一堆工程坑。跨会话记忆意味着身份绑定——IDE 怎么确认「这个用户就是上次那个用户」？存本地还是存云端？存多久？用户能不能主动清掉某段记忆？这些从论文目前公开的信息来看还没有明确的工程方案。但至少 CAPA 提供了一个衡量标尺：一个好的编程助手，应该让用户越来越少地重复自己。

期待哪天打开编辑器，AI 跟我说「我记得你上次选了异步方案，这次也照做？」，我只需要回一个字：「嗯」。