PreciseCoder：超越单元测试奖励的代码修复训练算法

PreciseCoder 提出在单元测试奖励之外加入语义验证的局部编辑信号，用于代码模型的强化学习后训练。在 4B、9B、27B 模型上，该方法把平均编辑行数从 7-15 行降到 3 行，通过率与仅用单元测试训练持平；仅在单行 bug 上训练也能泛化到仓库级程序修复，用更小补丁解决更多问题。