arXiv · cs.AI· Veljko Skarich·· 6 小时前
Poison Valleys：诊断大语言模型代码修复中的路径依赖失败
Poison Valleys: Diagnosing Path-Dependent Failure in LLM Code Repair
arXiv:2610.21514v1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：Veljko Skarich
研究任务与主要进展
研究团队提出 Poison Valleys，用于诊断大语言模型代码修复中由早期错误承诺导致的路径依赖失败，并在两个合成 Python 案例的1,844次模型请求中追踪误解、代码机制与失败形式之间的关系。
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