LLM生成代码质量提升技术的系统综述与受控复评

等算力下best-of-n采样配分析器排序器难被多数技术超越。

资讯摘要

论文对628项原始研究做系统综述，并在等算力预算下复评十种提升LLM生成代码质量的技术，覆盖正确性、可维护性、效率与安全。作者报告：多数研究只测自身目标维度，单一自动信号易被针对；一次调用下质量提示反而增加分析器告警数；等预算时best-of-n采样配分析器加权排序器可匹敌或超过提示、规划、自我精炼、评审代理与检索；66项重点技术正面对比中仅1项在主要目标上显著优于best-of-n。

要点速读

1. 系统综述覆盖2021年7月至2026年10月的628项原始研究，按阶段、信号来源与质量目标归类技术。
2. 受控复评在四个模型上以匹配预算运行十种技术，并扩展至十三个模型与仓库级任务。
3. 作者报告66项技术正面对比中仅1项在主要目标上超出95%区间，该比例与随机相当。

中文摘要由 AI 根据公开来源生成，可能存在理解偏差；具体能力、数字、开放时间等信息请以原文为准。
采集于 2026/10/31 08:00:18（北京时间）。 arXiv 日期为本次公告时间，论文初次投稿日期请查看原文版本记录。