arXiv · AI· Ravishka Rathnasuriya, Wei Yang·· 2026-10-09AI 评分24
LLM 代码生成中的过度自信失效特征研究
Characterizing Overconfident Failure in LLM-Based Code Generation
AI 导读
研究发现现有不确定性指标仅为代码执行失败提供部分且依赖模型的证据,基于不确定性的选择未能一致提升正确率。 研究涵盖四个开源代码模型及三个执行基准,发现指令调优可能增加错误生成的确定性,常见缓解策略无法彻底解决该失效模式。 潜在分析表明隐藏表示可能编码了输出置信度未暴露的正确性相关信号。
来源:arXiv · AI · arxiv.org