基于大型语言模型（ LLM ）的测试驱动开发（ TDD ）具有先进的自动代码生成功能。然而，现有的方法在很大程度上依赖于人工制作的测试用例，并且在只有自然语言要求的情况下无法有效运行。尽管最近的工作能够自动生成测试，但它往往忽略了LLM固有的随机性，从而导致两个关键缺陷：

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2607.22471v1)获取最准确的信息。

---
🔗 **原文链接**: [MineValiCoder: Reliable Code Generation with Test Case Quali](https://arxiv.org/abs/2607.22471v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Zhen Zhao, Qihang Yang, Feifei Dai, Xiangfang Li, Bo Li

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Benchmark看多了容易麻木——跑分好不一定产品好用。这篇文章好在对分差有分析，不只是贴数据。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-07-27 14:02