本研究提出了一种可扩展的RepoST方法，解决了现有方法在完整仓库执行中的复杂性问题。通过沙箱测试提供反馈，构建特定函数的测试环境。关键发现是，RepoST-Train构建的大规模训练集显著提升了代码生成模型的性能，具有重要的实际应用价值。