論文の概要: Two-Stage Reinforcement Learning for Sound and Adversarial Test Generation in Code LLMs

• arxiv url: http://arxiv.org/abs/2609.03955v1
• Date: Thu, 03 Sep 2026 14:55:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.123389
• Title: Two-Stage Reinforcement Learning for Sound and Adversarial Test Generation in Code LLMs
• Title（参考訳）: コードLLMにおける2段階強化学習
• Abstract要約: 学習モデルを用いたテストケースの自動生成について検討した。 効率的なテスト生成のための2段階RLフレームワークであるテストケーススケーリング(TCS)を提案する。
• 参考スコア（独自算出の注目度）: 26.793057131286435
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Reinforcement learning (RL) has substantially advanced code generation with large language models (LLMs) through executable feedback. The feedback for coding problems mainly comes from specific test cases, where high-quality test cases are often scarce since they should be both sound and discriminative. We thus turn to study the auto-generation of test cases using the learned model. We find this is naturally an adversarial RL problem: the model is expected to generate effective test cases as counterexamples, depending on the solver's current failure modes. We propose Test Cases Scaling (TCS), a two-stage RL framework for effective test generation. Both stages train a test generator from a rolling policy-aligned buffer: Stage 1 generates tests consistent with the reference solution, and Stage 2 restricts the buffer to current failure modes and learns counterexample tests. Across TACO and LiveCodeBench, TCS improves both pass@1 and inference-time answer selection according to generated tests. We find the learned test generator also enables effective selection among other LLM outputs.
• Abstract（参考訳）: 強化学習 (Reinforcement Learning, RL) は、大きな言語モデル (LLM) で実行可能なフィードバックを通じて、かなり高度なコード生成を行う。 コーディングの問題に対するフィードバックは、主に特定のテストケースから来ています。 そこで我々は,学習モデルを用いて,テストケースの自動生成について検討する。 モデルでは,現在の障害モードに依存して,効果的なテストケースを逆例として生成することが期待されている。 効率的なテスト生成のための2段階RLフレームワークであるテストケーススケーリング(TCS)を提案する。 どちらのステージも、ローリングポリシーに準拠したバッファからテストジェネレータをトレーニングする: ステージ1は、参照ソリューションと整合したテストを生成し、ステージ2は、バッファを現在の障害モードに制限し、反例テストを学ぶ。 TACOとLiveCodeBench全体で、TCSは生成されたテストに応じてpass@1とinference-timeの回答選択の両方を改善している。 学習したテストジェネレータは、他のLLM出力の効率的な選択を可能にしている。

関連論文リスト

• Code-A1: Adversarial Evolving of Code LLM and Test LLM via Reinforcement Learning [54.95476453942411]
  コード生成のための強化学習は、単体テストのパスレートから検証可能な報酬に依存する。 最近のセルフプレイ手法は、1つのモデルでコードとテスト生成を統合する。 Code-A1は、人間のアノテーションによるテストでトレーニングされたコード生成のパフォーマンスマッチングまたはモデルを超えることを実現する。
  論文  参考訳（メタデータ） (2026-03-16T17:58:13Z)
• TTCS: Test-Time Curriculum Synthesis for Self-Evolving [47.826209735956716]
  テストタイムトレーニングは、大きな言語モデルの推論能力を改善するための有望な方法を提供する。 テスト時間トレーニングフレームワークTTCSを提案する。 TTCSは,挑戦的な数学ベンチマークにおける推論能力を一貫して強化することを示す。
  論文  参考訳（メタデータ） (2026-01-30T06:38:02Z)
• CodeContests-O: Powering LLMs via Feedback-Driven Iterative Test Case Generation [71.42965967582147]
  既存のアプローチは、Large Language Models (LLM) を用いたテストケースの合成を試みる 包括的なテストケース構築のために、textbfFeedback-Bench Iterative Framework$を提案します。 私たちのデータセットは、平均的真正率(TPR)が89.37%、真負率(TNR)が90.89%で、CodeContestsとCodeContests+をそれぞれ4.32%、9.37%で大幅に上回っている。
  論文  参考訳（メタデータ） (2026-01-20T07:32:44Z)
• HarnessLLM: Automatic Testing Harness Generation via Reinforcement Learning [30.26598881538489]
  既存のLLMベースの自動テスト生成手法は、主に入出力と期待出力のペアを生成する。 我々は、LLMがテストのためのハーネスコードを書くことができる2段階のトレーニングパイプラインであるHarnessLLMを提案する。
  論文  参考訳（メタデータ） (2025-11-02T22:41:15Z)
• ATGen: Adversarial Reinforcement Learning for Test Case Generation [78.48498301767079]
  大きな言語モデル(LLM)はコード生成に優れていますが、その出力には微妙なバグが伴います。 既存のテスト生成方法は静的データセットに依存している。 我々は,対戦型強化学習を通じてテストケースジェネレータを訓練するフレームワークであるATGenを紹介する。
  論文  参考訳（メタデータ） (2025-10-16T12:49:25Z)
• CodeChemist: Functional Knowledge Transfer for Low-Resource Code Generation via Test-Time Scaling [63.08126845138046]
  本稿では,高リソースから低リソースPLへの機能的知識伝達を可能にする,テスト時間スケーリングのフレームワークであるCodeChemistを紹介する。 実験の結果,CodeChemistは既存のテストタイムスケーリング手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2025-10-01T04:33:53Z)
• TestART: Improving LLM-based Unit Testing via Co-evolution of Automated Generation and Repair Iteration [7.509927117191286]
  大規模言語モデル(LLM)は、単体テストケースを生成する際、顕著な能力を示した。 本研究では,新しい単体テスト生成法であるTestARTを提案する。 TestARTは、自動生成と修復の反復の共進化を通じて、LLMベースのユニットテストを改善している。
  論文  参考訳（メタデータ） (2024-08-06T10:52:41Z)
• Large Language Models as Test Case Generators: Performance Evaluation and Enhancement [3.5398126682962587]
  大規模言語モデルが高品質なテストケースをいかに生み出すかを検討する。 本稿では,テストインプットとテストアウトプットの生成を分離するemphTestChainというマルチエージェントフレームワークを提案する。 以上の結果から,TestChainはベースラインのマージンを大きく上回っていることが示唆された。
  論文  参考訳（メタデータ） (2024-04-20T10:27:01Z)
• Code-Aware Prompting: A study of Coverage Guided Test Generation in Regression Setting using LLM [32.44432906540792]
  テスト生成における大規模言語モデルのコード認識促進戦略であるSymPromptを提案する。 SymPromptは、正しいテスト世代を5倍に増やし、CodeGen2の相対カバレッジを26%向上させる。 特に、GPT-4に適用すると、SymPromptはベースラインのプロンプト戦略に比べて2倍以上のカバレッジが向上する。
  論文  参考訳（メタデータ） (2024-01-31T18:21:49Z)
• Deep anytime-valid hypothesis testing [29.273915933729057]
  非パラメトリックなテスト問題に対する強力なシーケンシャルな仮説テストを構築するための一般的なフレームワークを提案する。 テスト・バイ・ベッティング・フレームワーク内で、機械学習モデルの表現能力を活用するための原則的なアプローチを開発する。 合成および実世界のデータセットに関する実証的な結果は、我々の一般的なフレームワークを用いてインスタンス化されたテストが、特殊なベースラインと競合することを示している。
  論文  参考訳（メタデータ） (2023-10-30T09:46:19Z)
• CodeT: Code Generation with Generated Tests [49.622590050797236]
  テストケースを自動的に生成するための事前学習言語モデルについて検討する。 CodeTは生成されたテストケースを使ってコードソリューションを実行し、次に最良のソリューションを選択します。 我々は,HumanEvalとMBPPのベンチマークを用いて,5種類の事前学習モデル上でCodeTを評価する。
  論文  参考訳（メタデータ） (2022-07-21T10:18:37Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。