基于置信度门控的转导测试生成用于代码重排序

测试用例合成对于评估和排序大语言模型（LLMs）生成的程序至关重要。然而，构建高质量测试用例仍具挑战性，因为可靠的预期输出往往难以获得。我们提出了置信度门控转导测试生成（CoTT），首先使用高效的归纳过程，仅当归纳置信度较低时才调用转导生成。这种自适应设计在提升输出可靠性的同时，仅在必要时分配额外计算。在代码重排序基准上，CoTT在所有报告的指标上均优于现有基线方法，且相较于对每个输入都应用转导生成，降低了计算成本。这些结果表明，基于置信度的测试时计算分配在效率与效果之间提供了良好的权衡，仅需一个高效的LLM即可实现。