两阶段强化学习用于代码大模型的可靠与对抗性测试生成

该研究提出一种两阶段强化学习方法来生成高质量测试用例，以改进代码大模型的执行反馈。方法旨在提升测试的准确性和对抗性，帮助模型更好应对复杂编程问题。

AI推荐理由 该研究有助于为代码大模型提供更可靠的自动测试生成，可降低人工编写测试用例的成本，并增强模型在复杂编程问题上的对抗训练与评估能力，从而间接提升生成代码的稳健性与可用性，对依赖代码生成的开发者工具链有实际价值。