本研究提出了一种新颖的自我训练方法GiFT，旨在解决代码生成中描述与代码空间不足的问题。GiFT基于Gibbs抽样，从联合空间的边际分布中提取自生成数据，减轻条件抽样偏见。实验结果表明，该方法在多个数据集上表现优越，尤其在挑战性基准测试中效果显著。