“页面编辑——当模型进行过多修改时：关于最小代码修改的精确性”

一项针对大型语言模型代码修复能力的研究指出，包括 GPT-5.5 在内的前沿模型存在过度编辑倾向，即重写超出修复 Bug 所需的最小范围。研究人员基于 400 个 BigCodeBench 问题构建评估框架，通过注入受控 AST 级污染生成已知最小补丁进行测试，发现模型常伴随不必要的编辑和认知复杂度增加。研究团队引入保存指令后，将平均超额 Levenshtein 距离从 0.195 降至 0.131，降低了 26.6% 的认知复杂度，同时将 Pass@1 评分提升 2.3 分。对比不同优化策略发现，监督微调易导致过拟合，而强化学习在编辑保真度与性能保留的权衡上表现最佳。