摘要
针对现有代码大模型生成的形式化规范存在语法无效或语义过弱的问题，本文提出 SpecCoder 框架。该方法通过学习经验证的参考程序、变异体及多轮 refinement 轨迹，生成描述程序中间状态的可执行检查点规范。在 HumanExec 基准上的实验表明，SpecCoder 显著提升了规范的正确性、完整性及有效性，进而增强了下游的代码正确性推理与自动修复能力，证明了细粒度可执行证据对可靠验证的价值。
AI 推荐理由
论文核心研究利用中间形式化规范增强代码大模型的推理、验证及修复能力。
研究机构
FPT Software AI Center
Hanoi Univ. of Science and Tech.
Hanoi, Vietnam
University of Texas at Dallas
Texas, USA
论文信息