验证陷阱：了解代码生成中错误前提下的测试时选择失败

测试时计算已成为改进代码生成的核心方式：系统对多个候选程序进行采样，并使用验证者可见的证据来选择最终输出。该范例隐含地假设验证器提供独立于生成器的校正信号。我们在误导性的任务前提下质疑这一假设。当生成器和验证器共享一个错误的前提时，它们会通过错误的信念而耦合：生成器产生前提一致的捷径，而验证器提供的证据无法揭露它们。因此，即使池中存在隐藏测试正确的程序，选择器也可能选择隐藏测试错误的候选者。我们将此故障模式称为验证陷阱。在三个代码生成基准和五个代码模型中，错误前提持续降低第一个样本的正确性，降低 64 个样本测试时选择后选择器选择的正确性，并放大可恢复的错误选择。从机制上讲，验证者编写的测试继承了前提级盲点，重塑验证者可见的候选空间，远离隐藏测试的正确性。这些痕迹使得验证 Trap 在隐藏执行之前可预测：使用验证者可见功能的轻量级无金预测器达到 0.846 AUROC。我们的结果将解耦证据确定为关键的缓解轴：耦合扩展提供了有限的恢复，而与前提无关的稳健性审核员则恢复了大量的预言机空间。