研究人员开发了一种新方法，通过检测代码以捕获执行跟踪来生成可验证的代码推理思维链（CoT）解释。该流程将这些跟踪叙述成自然语言，并逐一将叙述与原始跟踪进行交叉检查以确保准确性。在经过验证的数据上微调模型，在代码推理和生成方面取得了显著的改进，在LiveCodeBench-Exec上的增幅高达+26.6。 AI
影响 通过提供可验证的训练数据，改进了AI的代码推理和生成能力，有望带来更可靠的AI编码助手。
排序理由 这是一篇详细介绍为AI模型生成可验证训练数据的新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2512.00127v3 Announce Type: replace-cross Abstract: Getting language models to reason correctly about code requires training on data where each reasoning step can be checked. Current synthetic Chain-of-Thought (CoT) training data often consists of plausible-sounding explana…