NUS 研究:LLM 修代码常过度编辑,RL 可提升编辑保真度

NationalUniversityofSingapore · hf · 2026-09-07

新加坡国立大学团队研究发现，大语言模型在代码修复时经常“过度编辑”——改动远超修复 bug 所需的最小范围，破坏了本不该动的代码。

论文提出两个改进方向：在指令中加入“保持不变”的 preservation 要求，以及用强化学习训练模型只做最小必要修改。结果显示两种方法都能在不牺牲正确率的前提下显著提升编辑保真度。对依赖 AI 编码助手做局部修复的开发者来说，这是降低回归风险的一个实用研究方向。