AAAI 2026 | “做题家” Code LLM，像人类一样按题型高效刷题

背景：在AI辅助编程技术快速发展的背景下，大语言模型生成的代码仍存在运行时错误，增加了调试成本。现有基于偏好优化的方法多依赖二元反馈信号，难以定位错误原因，且忽视了模型能力的动态变化。研究目的：针对上述缺口，提出自适应渐进式偏好优化方法（AP2O）并构建AP2O-Coder框架，旨在通过模仿人类“按题型高效刷题”的学习模式，系统化提升模型代码纠错能力。结论：AP2O-Coder框架通过“考试-分析-纠错-小测”流程，在多款主流开源模型上实现了最高3%的pass@k性能提升，同时显著降低了训练数据需求量，并展现出良好的错误抑制效果、泛化能力及跨模型类型的适配性。