仅用单元测试奖励训练调试模型，可能提高通过率，也鼓励多改代码。PreciseCoder 将单元测试与经执行核验的修改精确率、召回率组合：把候选修改块放入参考修复中，检查它是否真正修复对应故障。实验使用Python任务；4B模型的平均修改从GRPO的13.8行降至3.0行，通过率为55.3%对55.1%。作者另测1512份原本正确的程序，避免只看到修复旧故障、遗漏新引入的错误。
持续追踪
持续追踪
仅用单元测试奖励训练调试模型，可能提高通过率，也鼓励多改代码。PreciseCoder 将单元测试与经执行核验的修改精确率、召回率组合：把候选修改块放入参考修复中，检查它是否真正修复对应故障。实验使用Python任务；4B模型的平均修改从GRPO的13.8行降至3.0行，通过率为55.3%对55.1%。作者另测1512份原本正确的程序，避免只看到修复旧故障、遗漏新引入的错误。