跳到主要内容
检索

# 大语言模型缺陷修复

1 篇关联报道

订阅更新
  1. arXiv

    GPT模型修Codeforces错误提交时改动行数多于人类补丁,且从零重写比打补丁解出更多题

    该工作从Codeforces两位用户收集约3000份提交,把每份错误提交与对应的人类修复配对,以错误解与人类修复之间的相似度作为基线,在gpt-5-nano、gpt-5-mini、gpt-5.1三个OpenAI GPT模型上评估其生成修复的质量,并用Codeforces-R1数据集检验生成解是否正确;结果显示LLM相比人类修复倾向于改动更多行,有时直接生成全新解,且在允许从零生成时比修补错误提交解出更多题目,即使这些提交已接近人类补丁。

已读完全部报道