超越通过测试：LLM 生成代码质量提升技术的系统综述与受控复评
摘要
一项 arXiv 预印本对 628 项原始研究（2021 年 7 月至 2026 年 10 月）做了系统综述，并按同等算力预算对十种提升 LLM 生成代码质量的技术做受控复评，覆盖正确性、可维护性、效率与安全四类基准。
摘要由模型根据原文撰写，以原文为准。
arXiv 关键词查询 · AI 科学家/同行评审/文献
打开原文arxiv.org。尚未取得已确认完整的正文，本站仅展示摘要与导读；完整内容请阅读原文。
来源：arXiv 关键词查询 · AI 科学家/同行评审/文献 · arxiv.org
引用原文
Prashank Kadam. Beyond Passing Tests: A Systematic Review and Controlled Re-evaluation of Techniques for Improving the Quality of LLM-Generated Code[EB/OL]. (2026-10-29)[访问日期]. https://arxiv.org/abs/2610.38977v1.