ExPairT-LLM：基于成对查询的 LLM 代码选择精确学习
机器学习
2026-02-23 v3
摘要
尽管近期 LLM 取得了进展，但代码生成仍具挑战性。为此，代码选择算法从多个由 LLM 生成的程序中选取最佳程序。然而，现有算法可能因误判不可等价程序或依赖 LLM 并假设其始终正确确定每个输入的输出而失败。我们提出 ExPairT-LLM，这是一种针对代码选择的精确学习算法，通过提出两种新型查询：成对成员查询和成对等价查询。这些查询对 LLM 来说更简单，使 ExPairT-LLM 能够通过锦标赛方式识别正确程序，从而对某些 LLM 错误具有鲁棒性。我们在四个流行代码数据集上评估 ExPairT-LLM。其 pass@1 (成功率) 在平均提升达 +13.0%，最高可达 +27.1%。它还使执行复杂推理的 LLM 的 pass@1 提升 +24.0%。
引用
@article{arxiv.2511.10855,
title = {ExPairT-LLM: Exact Learning for LLM Code Selection by Pairwise Queries},
author = {Tom Yuviler and Dana Drachsler-Cohen},
journal= {arXiv preprint arXiv:2511.10855},
year = {2026}
}