LLMLOOP：通过自动化迭代反馈循环改进 LLM 生成的代码和测试

大型语言模型在源代码生成方面表现卓越，但生成的代码常存在编译错误或逻辑缺陷，导致开发者需耗费大量精力进行人工检查与修正。本文提出了 LLMLOOP 框架，旨在自动化优化 LLM 生成的源代码及测试用例。该框架采用五种迭代循环机制，涵盖解决编译错误、处理静态分析问题、修复测试失败以及通过变异分析提升测试质量。这些循环确保了高质量测试用例的生成，既作为验证机制，也构成回归测试套件。在 HUMANEVAL-X 基准上的评估结果表明，该工具能有效优化 LLM 的输出成果。