标签
本文介绍了CanItDelete，一个包含200个真实世界纯删除代码编辑任务的基准，并衡量了LLM如何避免删除代码。研究发现，前沿模型经常保留过时的代码，生成可通过测试但无法直接合并的补丁，并且加入以删除为重点的训练数据可以提高性能。