超越 pass@k：用于多样本代码生成的冗余感知 RLVR

用于代码生成的 LLM 通常使用 Pass@k 在重复采样设置中进行评估，其中在有限采样预算下针对单元测试执行多个候选程序。虽然最近基于验证者的强化学习（RLVR）方法提高了可执行的正确性，但这些目标如何影响采样程序之间的冗余仍然知之甚少。在这项工作中，我们使用 JPlag（一种代码抄袭检测系统）研究代码生成中的实现级冗余。在模型和基准测试中，我们表明，仅注重正确性的 RLVR 通常将几代人集中在重复实现上，而 Pass@k-aware 目标则保持较低的冗余并提高较大预算的性能。受这些观察的启发，我们通过基于 JPlag 相似性的直接反冗余奖励来增强 RLVR。在 3 个模型和 3 个基准测试中，阻止近乎重复的生成可以可靠地提高有限预算的可执行性能，通常匹配或优于专门的 Pass@k-aware 目标。