実行検証済みコード修復データセット公開、7Bモデルのバグ修正率が17%→40%に向上

Hugging Face上で「TrueSET/verified-code-repair」というコード修復データセットが公開されました。すべての正誤判定をLLMではなく実際のコード実行で行っているのが特徴で、Qwen2.5-7B-Instructを微調整したところ、最も難しい2ファイル横断バグの修正率が17.1%から40.0%へ統計的に有意に向上したと報告されています。評価スクリプトも同梱されており、GPU1台・約15分・1ドル未満で誰でも同じ結果を再現できます。