arXiv · cs.AI· Ruiqi Wang, Xinchen Wang, Cuiyun Gao, Chun Yong Chong, Xin Xia, Qing Liao·· 6 小时前
AXIOM提出受约束扰动与校准的代码LLM评估基准
Benchmarking Code LLM-as-a-Judge via Constrained Perturbation and Calibration
arXiv:2512.20159v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Ruiqi Wang, Xinchen Wang, Cuiyun Gao, Chun Yong Chong, Xin Xia, Qing Liao
研究任务与主要进展
研究者提出AXIOM扰动框架，用于构建质量分布更均衡的代码LLM评估基准，并通过语义扰动和混合质量校准减少人工标注负担。基于论文摘要，AXIOMBENCH收录1,962道多语言代码评估题；框架的评估效果及适用边界仍需结合论文全文中的实验细节判断。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org