CROCODIL：使用 LLM 进行跨模型代码编辑

大语言模型已广泛用于代码生成和编辑。研发人员常用不同模型，或在不同编码会话间切换模型，因此一个模型经常编辑另一个模型生成的代码。不同训练数据带来不同风格偏好。本文研究模型修改其他模型代码时的行为，发现这类代码会引发更多且常常过量的编辑。我们提出CROCODIL后训练框架，在保留功能正确性的同时减少过度修改：相似性奖励惩罚较大改动，执行奖励衡量构建及测试成功，两者乘积鼓励在不降低编辑任务成功率的条件下缩小改动。项目：https://github.com/EngineeringSoftware/Crocodil。