STEP-KTODER 的核心思路是什么？
STEP-KTODER 将代码生成中的步骤定义为多函数程序里的模块级函数，并用自动生成的单元测试为每个函数分配二进制的正确性标签，从而结合函数级过程监督和程序级结果反馈进行偏好优化。
Function-Level Execution Feedback for Code Preference Optimization
（翻译）函数级执行反馈用于代码偏好优化
资讯摘要
Abstract page for arXiv paper 2608.23632: Function-Level Execution Feedback for Code Preference Optimization
AI 摘要
本文提出STEP-KTODER框架，将代码生成中的过程监督定义为多函数程序的模块级步骤，通过自动生成的单元测试为函数分配二进制正确性标签，并结合函数级过程监督与程序级结果反馈进行偏好优化。实验显示该方法在HumanEval、MBPP、BigCodeBench和LiveCodeBench上优于仅用结果级反馈的KTO与DPO，且执行标签比LLM判官标注更可靠。
AI 问答
该方法的实验效果如何？
在 HumanEval(+)、MBPP(+)、BigCodeBench 和 LiveCodeBench 上，STEP-KTODER 相比仅使用结果级反馈的 KTO 和 DPO 均取得了更好的性能。
为什么执行标签比 LLM 判官更可靠？
研究发现，LLM-as-a-judge 的标注会系统性高估函数失败，污染正样本步骤标签并降低偏好优化效果，而基于执行的标签更加准确。