超越 Pass@k：面向多样本代码生成的冗余感知强化学习验证

代码生成大模型通常在有限采样预算下通过 Pass@k 指标评估，即执行多个候选程序并通过单元测试。近期基于验证器的强化学习（RLVR）方法虽提升了可执行正确性，但其对采样程序间冗余性的影响尚不明确。本文利用代码查重系统 JPlag 研究实现层面的冗余，发现仅关注正确性的 RLVR 会导致生成结果高度集中，而感知 Pass@k 的目标能维持较低冗余并提升大预算性能。据此，我们在 RLVR 中引入基于 JPlag 相似度的直接抗冗余奖励。实验表明，抑制近似重复生成能可靠提升有限预算下的可执行性能，效果往往匹配或优于专用的 Pass@k 感知目标。