基于差分测试时扩展的代码生成

测试时扩展通过探索大解空间提升代码生成，但现有方法依赖公开测试用例或消耗大量令牌。本文提出 DiffCodeGen，一种基于覆盖率引导差分分析的新技术。该方法生成多样代码候选，利用模糊测试合成输入以捕捉动态行为，并基于行为相似性聚类，无需额外模型调用即可选出最优解。DiffCodeGen 完全异步、高效可扩展，在四个大模型上评估显示，其在显著降低时间和令牌消耗的同时，性能优于或媲美最先进方法。