面向高质量 Solidity 代码生成的偏好驱动方法
软件工程
2025-10-01 v3
摘要
尽管大语言模型（LLM）在生成功能正确的 Solidity 代码方面取得了显著进展，但在生成 Gas 高效且安全的代码方面仍面临关键挑战，而这些是真实世界智能合约部署的关键要求。尽管近期的进展利用监督微调（SFT）和直接偏好优化（DPO）进行代码偏好对齐，但现有方法将功能正确性、Gas 优化和安全性视为独立目标，导致生成的合约可能达到操作上的健全性，却存在过高的执行成本或危险的漏洞。为了解决这些局限性，我们提出了 PrefGen，这是一个新颖的框架，它将标准 DPO 扩展到人类偏好之外，纳入可量化的区块链特定指标，从而实现专为智能合约生成量身定制的整体多目标优化。我们的框架引入了包含四个互补指标的全面评估方法：Pass@k（功能正确性）、Compile@k（语法正确性）、Gas@k（Gas 效率）和 Secure@k（安全性评估），提供了严格的多维合约评估。通过大量实验，我们证明 PrefGen 在所有关键维度上均显著优于现有方法，实现了 66.7% 的 Pass@5、58.9% 的 Gas@5 和 62.5% 的 Secure@5，同时生成了功能正确、成本高效且安全的可用于生产的智能合约。
引用
@article{arxiv.2506.03006,
title = {A Preference-Driven Methodology for High-Quality Solidity Code Generation},
author = {Zhiyuan Peng and Xin Yin and Chenhao Ying and Chao Ni and Yuan Luo},
journal= {arXiv preprint arXiv:2506.03006},
year = {2025}
}