Dawid-Skene model

新框架ExeCRE提升LLM代码生成可靠性

研究人员开发了ExeCRE，一个旨在提高大型语言模型（LLM）生成代码可靠性的框架。ExeCRE通过统计分析大量随机输入的执行输出来估算代码可靠性，而不是依赖传统的测试或LLM反馈。该方法将执行输出投影到一致性信号，并使用Dawid-Skene模型推断潜在的代码可靠性。当集成到自纠正管道中时，ExeCRE显著减少了误导性反馈，如在LiveCodeBench基准测试中，GPT-5.2的误导案例从113.2个下降到14.0个。