研究揭示LLM代码修复过度编辑问题
热点事件持续更新
研究揭示LLM代码修复过度编辑问题
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Tongyao Zhu、Wei Hern Lim、Min-Yen Kan 发表研究，指出大语言模型在修复代码缺陷时普遍存在“过度编辑”——改写范围超出修复所需。研究基于 400 个 BigCodeBench 问题构建评测框架，通过注入 AST 级损坏，为每个修复任务提供已知的最小补丁作为对照。结果显示，过度编辑在前沿模型中普遍存在，GPT-5.5 等强模型也能同时出现高 Pass@1 与大幅冗余改写。
AI 根据报道生成 · 55 分钟前更新
最新进展10月21日 12:00
模型改代码改太多：LLM 最小代码编辑的保真度研究报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.CL模型改代码改太多：LLM 最小代码编辑的保真度研究
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。