arXiv cs.CL· Tongyao Zhu, Wei Hern Lim, Min-Yen Kan·· 11 小时前AI 评分38
模型改代码改太多：LLM 最小代码编辑的保真度研究
When Models Edit Too Much: On the Fidelity of Minimal Code Edits
AI 导读
研究构建了基于 400 个 BigCodeBench 问题的评测框架，通过注入 AST 级损坏为每个修复任务提供已知最小补丁，发现过度编辑在前沿 LLM 中普遍存在，GPT-5.5 等强模型也能出现高 Pass@1 与大幅冗余改写并存。
正文 · AI 翻译
摘要：大型语言模型（LLM）越来越多地被用于编辑现有代码，但仅正确还不够：有用的修复还应当最小化、可审查，并忠实于原始实现。我们研究过度编辑，即模型倾向于重写超出修复缺陷所需范围的代码。我们基于 400 个 BigCodeBench 问题构建了一个评估框架，通过向参考解注入受控的 AST 级损坏，使每个修复任务都有一个已知的最小补丁。在前沿 LLM 中，过度编辑普遍存在，即使在 GPT-5.5 等强模型中也如此：高 Pass@1 可以与不必要的大幅编辑和增加的认知复杂度并存。一条保留指令显著减少了这种行为，将平均超额 Levenshtein 距离从 0.195 降至 0.131，将增加的认知复杂度降低 26.6%，并将 Pass@1 提高 2.3 个百分点。然而，这些收益并不单纯来自更大的推理预算或更大的模型。我们接下来探究最小编辑能否在后训练期间直接学习。我们观察到，监督微调会过拟合到已见的损坏模式，而强化学习在域外编辑保真度与性能保持之间给出了最佳权衡。这些结果将编辑保真度定位为代码修复质量的一个独立维度，并表明它可以被测量和学习。
| 评论： | EMNLP 2026（主会） |
| 主题： | 软件工程（cs.SE）；人工智能（cs.AI）；计算与语言（cs.CL） |
| 引用为： | arXiv:2609.04061 [cs.SE] |
| （或 arXiv:2609.04061v2 [cs.SE] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2609.04061 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Tongyao Zhu [查看电子邮件]
[v1]
2026 年 9 月 3 日星期四 16:36:05 UTC（390 KB）
[v2]
2026 年 10 月 20 日星期二 04:56:46 UTC（390 KB）
来源：arXiv cs.CL · arxiv.org