研究：代码LLM递归自训练崩溃
热点事件持续更新
研究：代码LLM递归自训练崩溃
1 篇报道1 个报道来源19 小时前更新
先了解这件事
AI 综述
2026年10月15日，arXiv Artificial Intelligence 刊出 Xinyuan Song、Zekun Cai、Liang Zhao 的研究，关注代码 LLM 递归自训练的风险：AI 生成的代码可能进入真实代码仓库，随后成为训练数据，形成仓库规模的自训练循环。研究比较了三种递归微调机制：无审查、基于编译与静态质量检查等模型无关过滤器的外部门控审查，以及使用代码 LLM 自身困惑度和二元自评分的 AI 自门控审查。研究聚焦代码 LLM 递归自训练中的性能退化与自门控失效问题。截至该报道，尚无后续跟进报道，事件进展以该研究发布为最新节点。
AI 根据报道生成 · 2 小时前更新
最新进展10月15日 12:00
AI 审查自己的代码：代码 LLM 的递归自训练崩溃报道时间线
沿着报道，了解事件的不同侧面。
10月15日
- arXiv Artificial IntelligenceAI 审查自己的代码：代码 LLM 的递归自训练崩溃
研究比较了代码 LLM 的三种递归微调机制：无审查、基于编译与静态质量检查等模型无关过滤器的外部门控审查、以及使用代码 LLM 自身困惑度和二元自评分的 AI 自门控审查。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 610月16日 05:00
- 近 24 小时变化
- –
02468
05:0006:0007:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。