两篇新研究论文探讨了AI生成代码评估方面的进展。第一篇TENET介绍了一个用于代码库级别代码生成的测试驱动开发框架，在RepoCod和RepoEval等基准测试中取得了Claude Sonnet 4的高Pass@1分数。第二篇ACES论文提出了一种评估代码生成评估测试可靠性的新方法，侧重于一致性以及测试区分正确代码和错误代码的能力。 AI
影响 这些论文引入了新颖的方法来提高AI生成代码评估的可靠性和有效性，有望带来更强大的代码生成模型。
排序理由 两篇学术论文发表在arXiv上，提出了用于评估AI生成代码的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2509.24148v3 Announce Type: replace-cross Abstract: Test-Driven Development (TDD) is a widely adopted practice that requires developers to create and execute tests alongside implementation. With recent advances in Large Language Models (LLMs), developers can shift from manu…
arXiv:2604.03922v2 Announce Type: replace Abstract: Selecting LLM-generated code candidates using LLM-generated tests is challenging because the tests themselves may be incorrect. Existing methods either treat all tests equally or rely on ad-hoc heuristics to filter unreliable te…