Research · Models
模型过度编辑代码：最小修复的保真度研究
研究使用400个BigCodeBench问题构建评估框架，发现保留指令将平均超额Levenshtein距离从0.195降低到0.131，且强化学习在域外编辑保真度和性能保留权衡方面表现最佳。
阅读 Hugging Face Daily Papers 原文为什么重要
该研究揭示了模型在代码编辑中过度修改的问题，并提出了有效的缓解策略，对提升AI辅助编程的可靠性和用户体验具有实际价值。
关键事实
事实 1
研究使用400个BigCodeBench问题构建了评估框架。
来源与依据
We construct an evaluation framework from 400 BigCodeBench problems
事实 2
保留指令将平均超额Levenshtein距离从0.195降低到0.131。
来源与依据
lowering average excess Levenshtein distance from 0.195 to 0.131
事实 3
强化学习在域外编辑保真度和性能保留权衡方面表现最佳。
来源与依据
reinforcement learning gives the best out-of-domain edit-fidelity and performance-retention trade-off