DryRUN：公共测试在 LLM 驱动代码生成中的作用

多智能体框架广泛用于自主代码生成，但现有方法依赖人工提供的公共测试用例进行调试与仿真，限制了其在真实场景的应用。本文指出这种依赖导致“过度自信差距”，使模型过拟合简单样例。为此，我们提出 DryRUN 框架，无需真实测试数据，允许大语言模型自主生成有效输入、模拟执行轨迹并迭代规划以自我修正。在 LiveCodeBench v6 上的评估表明，DryRUN 在完全不依赖公共测试或外部执行反馈的情况下，性能媲美最先进的方法，同时降低了令牌消耗。