一篇新发表在arXiv上的研究调查了针对小型、冻结代码的事后验证算子，发现大多数算子与Best-of-N等标准方法相比，并不能提高准确性。研究强调了“覆盖墙”和“能力剪刀”是关键限制。然而，“表达层恢复”方法通过恢复标准提取器丢弃的正确程序显示出希望，提高了DeepSeek-Coder-1.3B在HumanEval+等基准测试上的性能。 AI
影响 表明当前验证和修复小型模型生成代码的方法不足，凸显了需要更好的评估工具。
排序理由 该集群包含一篇发表在arXiv上的研究论文，详细介绍了对代码模型的事后验证算子的测量研究。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
完整方法见我们的编辑标准。
arXiv:2606.16999v1 Announce Type: cross Abstract: Frozen small code models (<=1.5B parameters, run locally without fine-tuning) suit offline and privacy-constrained use, but often emit plausible-but-wrong programs. A natural remedy is a post-hoc operator that selects, verifies, r…
Frozen small code models (<=1.5B parameters, run locally without fine-tuning) suit offline and privacy-constrained use, but often emit plausible-but-wrong programs. A natural remedy is a post-hoc operator that selects, verifies, repairs, or re-processes the model's samples withou…