研究提出测试驱动代码生成的理论分析框架

Nicolas Menet 等作者为测试驱动代码生成提出一个概率框架，分析两种范式：先生成代码、再借助执行环境选择，以及依据环境反馈生成代码。研究从理论上证明，基于模糊功能相似性的估计器在信噪比上严格优于功能等价估计器。 作者将 backprompting 建模为 Thompson sampling 的上下文近似，推导出含不可观测成分奖励函数的新遗憾界，并指出其效果受非正式任务描述歧义的限制。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。