SCALF：用步骤级信用分配改进测试生成

Wenjie Gan 等作者提出 SCALF，一种过程监督的强化学习方法，用于让大模型生成能暴露代码缺陷的测试输入及正确预期输出。其做法是把步骤级信用分配与从失败轨迹中学习结合起来：从过程奖励中推导每个步骤各自的优势信号，并把已找到触发缺陷的输入、但输出预测错误的轨迹送入同策略自蒸馏，利用执行反馈学习其中的有效进展。 作者称，这一设计针对的是让模型生成能暴露缺陷的测试这一目标；目前公开的是方法本身，尚未给出与其他方法对比的效果数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。