两阶段强化学习框架TCS：用对抗性测试用例生成提升代码LLM性能
arXiv新论文提出Test Cases Scaling（TCS），通过两阶段强化学习自动生成高质量测试用例，在TACO和LiveCodeBench基准上提升pass@1和推理时答案选择。
AI解读：代码大模型的训练依赖测试用例提供反馈，但高质量用例既要有判别性、又必须与参考解一致，往往稀缺。这篇论文把用例生成当成对抗强化学习问题：模型要针对解题者的当前失败模式生成反例。TCS分两步走，第一步生成与参考解一致的测试，第二步把数据限制在当前失败模式上学习反例。它在TACO和LiveCodeBench上都提升了pass@1，还能用生成的用例在其他LLM的输出中选出正确答案。对研究者和开发者的意义是：这提供了一种自动扩充测试、减少人工标注用例的方法，但这是EMNLP 2026的会议论文，尚属研究阶段，公开效果只限于论文报告的基准分数，未见大规模产品化或跨领域验证，实际工程落地还需更多测试。
arXiv 9月3日发布的一篇论文提出Test Cases Scaling（TCS），一个两阶段强化学习框架，用于为代码大语言模型自动生成高质量测试用例。作者来自北京大学等机构，论文被EMNLP 2026 Findings接收。
在TACO和LiveCodeBench两个基准上，TCS同时提升了生成代码的pass@1 和根据生成测试进行的推理时答案选择性能。
方法：将测试生成作为对抗性RL问题
论文指出，代码生成的反馈主要来自具体测试用例，而高质量测试用例应同时具备健全性（与参考解一致）和判别性（能区分正确与错误解），这类用例往往稀缺。研究者将测试生成视为对抗性强化学习问题：模型需要根据解题者当前的失败模式，生成作为反例的有效测试用例。
TCS采用两阶段训练，两个阶段都从滚动策略对齐缓冲区训练测试生成器：第一阶段生成与参考解一致的测试；第二阶段将缓冲区限制在当前的失败模式，学习生成反例测试。