QiMeng-PRepair：通过编辑感知奖励优化实现精准代码修复

大语言模型（LLM）在程序修复方面表现强劲，但经常遭受“过度编辑”的困扰，即过多的修改覆盖了正确的代码，阻碍了漏洞定位。我们系统地量化了其影响，并引入了“精确修复任务”，即在仅修复漏洞部分的同时最大化正确代码的复用。基于这一见解，我们提出了 PRepair，这是一个减轻过度编辑并提高修复准确性的框架。PRepair 由两个组件组成：自我破坏（Self-Breaking），通过受控的漏洞注入和极大极小采样生成多样的错误程序；以及自我修复（Self-Repairing），通过编辑感知组相对策略优化（EA-GRPO）并使用编辑感知奖励来训练模型，鼓励最小且正确的编辑。实验表明，PRepair 在 fix_1@1 指标下（该指标共同考虑修复正确性和修复程度）将修复精度提高了多达 31.4%，并且在与投机编辑结合时显著增加了解码吞吐量，证明了其在精确且实用的代码修复方面的潜力。