**TestPrism：超越单一参考解的LLM测试评估新基准**

_TestPrism: Rethinking Test Evaluation Beyond a Single Reference_

> 针对LLM代码代理测试生成中依赖单一参考解导致的评估偏差问题，论文提出TestPrism基准，包含300个任务及3000个候选实现，并引入联合成功函数（JSF）指标。结果显示，现有基线在JSF上仅达28%，远低于单一参考解的59.67%。为此，作者提出TestHelix方法，通过异构合成与递归自我改进，将JSF提升8.67至9.00个百分点。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-09 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.12289)