Self-Repair Code Generation Anchoring Effect LLM Agents Blind Resampling
摘要

自我修复是代码代理的标准组件,但现有评估常混淆反馈价值与额外尝试的价值。本文在 MBPP+ 数据集上通过安慰剂对照设计,对比了盲重采样、无内容失败通知、真实执行反馈及结合言语自我反思的反馈四种条件。研究发现,在 7B 以下模型中,盲重采样表现最佳且 token 消耗显著更低;让模型基于自身失败尝试进行修正会导致“锚定效应”,使其重复错误。实验表明,执行反馈的信息增量微乎其微,而自我反思虽能减弱锚定但成本过高。结论指出,自我条件化导致的锚定是小模型自我修复失效的主因。

AI 推荐理由

论文核心研究代码代理的自我修复与反思机制,对比不同重试策略对模型自我改进的影响。

研究机构
Indian Institute of Technology Bombay
论文信息
作者 Yuvraj Verma
发布日期 2026-07-28
arXiv ID 2607.26117
相关性评分 9/10 (高度相关)