PreciseCoder:仅用单测奖励训练代码修复会让模型乱改
Berkeley · hf · 2026-10-16
USC、芝加哥大学、Google 与 UC Berkeley 的论文指出，仅靠单元测试通过率做 RL 后训练，会让模型在调试时「越改越多」甚至在本来就正确的代码上幻觉出 bug。
PreciseCoder 在单测奖励之外加入「语义验证的局部化编辑」信号，鼓励精准、最小的修改：
- 在 4B/9B/27B 模型上，平均编辑行数从 7–15 行降到 3 行，通过率与纯单测训练持平
- 只在单行 bug 上训练，可泛化到仓库级程序修复，用更小的 patch 解决更多问题
作者认为「精准度」本身应成为代码修复模型的奖励信号，而非只看最终是否通过测试。
「研究」频道最新
- NVIDIA NVFP4 新压缩技巧:利用行内尺度相近性省 45-48% 存储且位精确 — TheZachMueller · 2026-10-16
- 拿 Jev 等「决策模型」跑电车难题:它选择不拉杆以保住自己的服务器 — dbreunig · 2026-10-16
- OpenAI 推出 Rosalind Academic 计划,美国高校实验室可获赞助使用 — OpenAI · 2026-10-16
- 从激活图谱到今日特征可视化:神经元可解释性肉眼可见地跃升 — MajmudarAdam · 2026-10-16
- 中国用 AI 加速核聚变等科研:托卡马克单次放电准备从数天缩至半小时 — teortaxesTex · 2026-10-16
- jd_pressman 晒对齐路线图：Weave 算法加 Gillen 量化器双管治理 Goodhart — jd_pressman · 2026-10-16