精选理由
这篇论文测了26种后验操作，结论是除了M1都没跑过最朴素的BoN。M1靠恢复被遗漏的正确代码，让DeepSeek-Coder-1.3B在HumanEval+上多解对12题，值得搞代码生成的同学看看。
针对参数不超过1.5B的冻结小代码模型，研究在无需微调下通过后验验证操作提升程序正确性的效果。在匹配计算量的泄密自由协议下，评估了26种语义后验算子（选择、验证、修复、消除等），均未能在HumanEval+和MBPP+上超越Best-of-N (BoN)的留出准确率。研究发现覆盖墙、能力剪刀差和空共识陷阱是根本原因。唯一带来精度提升的算子M1通过表达层恢复标准提取器丢弃的正确程序，使DeepSeek-Coder-1.3B在HumanEval+上多解+12题（p=2.4e-4），且零伤害。自适应共识早停（ACE）节省约19%计算量且无伤害。
AI 翻译 · 中文
针对参数不超过1.5B的冻结小代码模型，研究在无需微调下通过后验验证操作提升程序正确性的效果。在匹配计算量的泄密自由协议下，评估了26种语义后验算子（选择、验证、修复、消除等），均未能在HumanEval+和MBPP+上超越Best-of-N (BoN)的留出准确率。研究发现覆盖墙、能力剪刀差和空共识陷阱是根本原因。唯一带来精度提升的算子M1通过表达层恢复标准提取器丢弃的正确程序，使DeepSeek-Coder-1.3B在HumanEval+上多解+12题（p=2.4e-4），且零伤害。自适应共识早停（ACE）节省约19%计算量且无伤害。
Frozen small code models (<=1.5B parameters, run locally without fine-tuning) suit offline and privacy-constrained use, but often emit plausible-but-wrong programs. A natural remedy is a post-hoc operator that selects, v…