PreciseCoder：超越单元测试奖励的忠实且可泛化调试方法

论文分析发现，仅以单元测试通过与否作为强化学习奖励，虽能提升通过率，却会教模型更多编辑、并在本就正确的代码中幻觉出 bug。为此提出 PreciseCoder，在单元测试奖励之外加入语义验证的局部化编辑信号。在 4B、9B、27B 模型上，该方法将平均编辑行数从 7-15 行降至 3 行，通过率与仅用单元测试训练相当；仅在单行 bug 上训练即可泛化到仓库级程序修复，以更小补丁解决更多问题，且其精度可从较弱模型迁移到更强模型。

AI推荐理由 指出仅用单元测试奖励做 RL 会诱导模型过度编辑并在正确代码中幻觉 bug，提出 PreciseCoder 引入语义验证的局部化编辑信号；在 4B/9B/27B 模型上把平均编辑行数从 7-15 降到 3 且通过率持平，并能泛化到仓库级修复，还观察到精度可从弱模型迁移到强模型，对代码模型后训练有直接参考价值。