本研究探讨大型语言模型在代码生成中的性能挑战，提出了后执行和执行中的自我调试新范式。结果表明，后执行自我调试在基本问题上表现不佳，但在竞争性任务中有改进潜力；而执行中的自我调试有效减轻偏差，提升代码生成效果。

本文探讨了大型语言模型（LLM）在代码生成中的应用，提出了提升代码质量的多种方法，如自我调试技术和基于反馈的生成方法。研究表明，通过自我修订和指令微调，LLM在复杂编程任务中的表现显著提高。