知识卡片：基于测试用例质量挖掘与二部图互验证的可靠代码生成

一句话结论

MineValiCoder通过“测试用例质量挖掘+并行TDD优化+二部图互验证”的闭环框架，在无需人工测试用例的情况下，在HumanEval上实现Pass@1达96.34%，显著缓解LLM随机性导致的代码生成不可靠问题。

事件概述/研究问题

现有基于LLM的测试驱动开发(TDD)严重依赖人工编写的测试用例，当仅有自然语言需求时无法有效工作。尽管已有自动测试用例生成研究，但忽略了LLM内在的随机性，导致两大缺陷：错误测试用例产生误导性反馈扭曲代码优化，混合质量测试用例产生冲突评估信号阻碍可靠代码选择。MineValiCoder旨在解决这些问题。

方法/产品要点

MineValiCoder是一个基于测试用例质量与代码质量相互增强的协同闭环TDD框架，包含三个模块：

• 测试用例质量挖掘模块(TCQM)：通过自我验证过滤错误测试用例，提供可靠的优化监督信号。
• 并行TDD精炼模块：利用经过验证的测试用例反馈，迭代优化代码并生成多样化的高质量代码候选。
• 基于二部图的代码-测试互验证模块(BiCoTeV)：动态建模代码与测试用例之间的交互，执行互验证评分以实现稳定可靠的优码选择。

主要结果/产业意义

在四款LLM和主流基准测试上，MineValiCoder显著优于当前最先进方法。具体Pass@1分数：HumanEval 96.34%，MBPP 87.40%，APPS 64.00%，LiveCodeBench 51.33%。这表明该方法有效缓解了LLM随机性，提升了自动化代码生成的可靠性。

为什么重要

现有自动化代码生成在仅有自然语言需求时无法生成可靠测试用例，且未能解决LLM随机性带来的反馈质量不一致问题。MineValiCoder首次将测试用例质量挖掘与代码-测试互验证相结合，形成闭环优化，在无需人工测试用例的前提下大幅提升了Pass@1指标。与已有相关卡片（如GraphBU、RSF-GLLM、Earthquaker-AI）无直接重复，本条聚焦于代码生成中的测试驱动开发环节，提供了应对LLM随机性的增量方案。

局限与不确定性

• 论文未明确说明在何种具体LLM（如GPT-4、CodeLlama等）上进行的评估，待核实。
• 各模块的计算开销与时间复杂度未在摘要中披露，待核实。
• 在更复杂、更长序列的代码生成任务（如完整项目级代码）上的表现，待核实。
• 对测试用例质量挖掘模块（TCQM）中“自我验证”的具体实现细节和误判率，待核实。

可用于图书/PPT/简报的角度

• 主题：AI写代码的可靠性突破 —— 从“生成代码”到“验证代码”，MineValiCoder如何解决LLM的“自说自话”问题。
• 主题：图模型在代码生成中的应用 —— BiCoTeV模块如何用二部图动态建模代码-测试关系，提供稳定选择信号。
• 教学设计亮点：与传统的单次生成+简单测试不同，展示“自我验证+互验证+迭代优化”三重机制的可视化流程图。

原始材料

• 英文标题：MineValiCoder: Reliable Code Generation with Test Case Quality Mining and Bipartite Graph-Based Mutual Validation
• 英文关键词：code generation, test-driven development, LLM stochasticity, test case quality, bipartite graph mutual validation
• arXiv ID：2607.22471v1
• 作者：Zhen Zhao, Qihang Yang, Feifei Dai, Xiangfang Li, Bo Li
• 发表/更新时间：2026-07-24
• 来源：https://arxiv.org/abs/2607.22471v1