CoVer：同一模型兼顾代码生成与自我验证

2026 年 10 月 26 日，AGI Hunt 报道了 EMNLP 2026 的一篇 Findings 论文 CoVer（海报展示）。该工作提出“执行结果锚定的协同验证”方法，让同一个模型同时承担代码生成与代码验证两个角色，而非另设独立验证器。据该报道，CoVer 相比 base 模型平均提升 32.35%，比 self-breaking 基线高 8.93，Pass@8 达到 89.44。实验覆盖 HumanEval+、LiveCodeBench、BigCodeBench 和 CodeForces 四个基准。报道中未提及训练细节、模型规模或与其他验证范式的更多对比。目前该事件的公开信息即这篇论文的海报展示与其报告的核心数字，尚无后续复现或第三方评测消息。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。