[논문리뷰] When Models Edit Too Much: On the Fidelity of Minimal Code Edits본 논문은 최신 LLM이 코드 수정 작업에서 기능적 정확성(Pass@1)은 높으나, 불필요하게 많은 코드를 수정하는 Over-editing 문제를 해결하고자 합니다 . 기존의 많은 코드 벤치마크는 테스트 케이스 통과 여부만을 평가할 뿐, 수정의 최소성이나 가독성(Reviewability)을 고려하지 않는 한계가 있습니다.#Review#Code Repair#Edit Fidelity#Over-editing#Large Language Models#Reinforcement Learning#Code Maintenance2026년 9월 6일댓글 수 로딩 중
[논문리뷰] QiMeng-PRepair: Precise Code Repair via Edit-Aware Reward Optimization본 논문은 LLM 기반의 자동 프로그램 복구 기법에서 빈번하게 발생하는 Over-editing 문제를 해결하고자 합니다. 기존 모델들은 복구의 정확성(Correctness)만을 최적화하기 때문에, 버그를 정교하게 식별하지 못하고 전체 코드를 과도하게 수정하는 경향이 있습니다.#Review#Program Repair#Over-editing#LLMs#Reinforcement Learning#EA-GRPO#Speculative Edits#Code Maintainability2026년 4월 7일댓글 수 로딩 중