让计算机学会“想象“代码运行：Meta团队突破性解决编程AI的盲点

编程就像烹饪一样光是看菜谱还不够还得知道每一步会发生什么。当我们写代码时大脑会自动模拟程序运行的过程就像在心里预演做菜的步骤。然而目前最先进的编程AI却有一个致命缺陷——它们会写代码但不知道自己写的代码实际运行起来会是什么样子。这就像一个厨师只会背菜谱却从来没有真正下过厨房一样。这项由Meta公司FAIR团队、希伯来大学和法国Inria研究所共同完成的研究于2026年4月发表有兴趣深入了解的读者可以通过arXiv:2604.03253v1查询完整论文。研究团队首次让AI学会了想象代码运行的过程就像让那个只会背菜谱的厨师终于能够在脑海中模拟整个烹饪过程。这个问题其实比想象中更严重。当前的编程AI就像一个盲人厨师它能够按照食谱一步步操作甚至能创造出新的食谱但如果你问它这道菜做出来会是什么味道或如果少放一勺盐会怎么样它就完全不知道了。在编程世界里这意味着AI无法预测自己写的代码会产生什么结果更无法发现和修复自己犯的错误。研究团队发现了一个绝妙的解决方案。他们教会AI通过自然语言来讲故事——不是讲童话故事而是用人类的语言详细描述代码运行的每一步。就像让那个厨师学会了边做菜边解说现在我往锅里倒油油开始冒泡然后放入洋葱洋葱变透明了现在加入胡萝卜...通过这种方式AI不仅学会了执行代码还学会了理解和预测代码的行为。更令人兴奋的是研究团队还让AI学会了自我修正。当AI发现自己写的代码可能有问题时它会像一个有经验的厨师一样先在脑海中模拟一遍发现问题后主动调整配方。这种能力让AI的编程准确率提升了高达39%这在AI领域是一个相当显著的进步。一、让AI学会脑内模拟从菜谱到实际烹饪要理解这项研究的核心创新可以考虑这样一个场景有两个厨师一个只会死记硬背菜谱另一个不仅会背菜谱还能在脑海中清晰地想象出每个步骤会产生什么效果。显然第二个厨师更能应对各种突发情况也更容易创造出美味的菜肴。研究团队的突破在于他们找到了一种方法让原本只会背菜谱的编程AI学会了在脑内模拟代码执行的整个过程。这个过程被称为自然语言执行跟踪NLEX就像给AI配了一个内心独白的功能。具体来说研究团队收集了大量的Python程序然后让这些程序在计算机上实际运行记录下每一步的详细过程。但关键不在于记录而在于如何让AI理解这些记录。他们使用另一个AIQwen3-32B模型将这些枯燥的执行记录翻译成自然语言的解释。这个翻译过程非常有趣。原本计算机执行代码时产生的是一堆技术性的记录比如变量x的值从5变为7、执行第3行代码等等。但翻译后这些记录变成了像这样的自然语言描述程序开始时变量x被设置为5。接着程序执行了一个加法操作将x的值增加了2所以现在x等于7。然后程序检查x是否大于6发现确实大于所以继续执行下一步...这种翻译不是简单的格式转换而是添加了语义理解。就像一个好的烹饪老师不会只说把盐放进去而是会解释现在加盐是为了提升肉的鲜味你会发现颜色开始变深。AI学会的不仅是代码的执行步骤还有每一步背后的逻辑和目的。通过这种方法研究团队创建了一个包含约8000万个执行描述的庞大数据集。这就像为AI准备了一个包含千万种烹饪过程描述的教科书每一种都详细说明了从原材料到成品的完整过程。更重要的是这种方法让AI学会了抽象思维。传统的代码执行记录非常详细包含了每一个微小的操作步骤。但通过自然语言描述AI学会了抓住重点忽略不重要的细节。就像一个经验丰富的厨师知道什么时候需要详细解释什么时候可以一笔带过。这个训练过程的另一个巧妙之处在于它使用了强化学习技术。简单来说就是给AI设立了一个明确的奖励机制如果它能正确预测代码的输出结果就给它奖励如果预测错了就没有奖励。这就像训练一个厨师品尝菜品一样正确判断出味道的就给好评判断错了的就要重新学习。通过这种训练AI不仅学会了执行代码还学会了预测结果。在实际测试中经过这种训练的AI在代码输出预测任务上的表现提升了43%这意味着它们能够比之前更准确地想象出代码运行的结果。二、AI学会自我检查从盲目自信到谨慎验证掌握了脑内模拟能力后AI就像获得了一项超能力——它可以在真正提交答案之前先在脑海中预演一遍检查自己的代码是否正确。这种能力被研究团队称为自我验证就像一个细心的厨师在上菜前会先尝一口确保味道没问题。这个过程的工作原理相当巧妙。当AI需要解决一个编程问题时它不会只写一个解决方案而是会写出多个不同的方案就像一个厨师可能会想出几种不同的做法来制作同一道菜。然后AI会运用自己的脑内模拟能力逐一检验这些方案在给定的测试用例上会产生什么结果。考虑这样一个具体例子假设问题是给定一个字符串输出其中a和b字符的最大出现次数对应的重复字符串。AI可能会产生三个不同的解决方案。然后它会用给定的测试输入比如字符串bab来检验每个方案。第一个方案AI模拟后发现输出是babbab第二个方案模拟后输出是bababa第三个方案模拟后输出是babbab。AI会查看哪个输出与预期结果匹配然后选择表现最好的方案作为最终答案。这种方法被称为最佳方案选择bestk就像从多个候选菜品中选出最满意的那一个。实验结果显示这种自我验证的方法能够将编程任务的成功率提升5.5%。虽然这个数字看起来不大但在AI领域每一个百分点的提升都来之不易特别是在已经表现很好的基础上进一步改进。更有趣的是研究团队发现AI的自我验证能力与真实程序执行的效果非常接近。他们做了一个对比实验一组使用AI的模拟预测来选择方案另一组使用真实的程序执行来选择方案。结果发现两组的表现差距很小这说明AI的想象力已经相当准确了。这种自我验证能力的另一个优势是效率。在实际的编程环境中执行程序可能需要配置复杂的运行环境处理各种依赖关系有时候甚至需要很长的运行时间。而AI的脑内模拟几乎是瞬时的就像一个经验丰富的厨师可以很快在脑海中判断一个配方是否可行而不需要真的去厨房试做一遍。研究团队还发现了一个有趣的现象当公开测试用例包含在问题描述中时大多数传统的编程AI并不能很好地利用这些信息。就像给了厨师一个完整的菜谱但他们只关注主要步骤忽略了那些关键的小提示。而具备自我验证能力的AI则能够充分利用这些测试用例把它们当作质量检查的标准。三、AI学会自我修正从一次性答题到持续改进掌握了模拟和验证能力后研究团队还教会了AI一项更高级的技能——自我修正。这就像让那个厨师不仅能够品尝自己的菜品还能根据品尝结果调整配方直到做出满意的菜肴为止。这个过程被称为自我强化学习执行反馈Self-RLEF工作流程就像一个经验丰富的厨师在厨房里的完整工作过程。首先AI会针对一个编程问题提出一个初始解决方案就像厨师根据要求先制定一个基本菜谱。然后AI会用自己的模拟能力测试这个方案在各种输入下的表现就像厨师在脑海中想象按照这个菜谱做出的菜会是什么味道。如果AI发现自己的方案在某些测试用例上表现不佳它不会简单地放弃或随机修改而是会分析具体的问题出在哪里。比如它可能发现自己的代码在处理空字符串时出现了错误或者在数字计算上有偏差。基于这种分析AI会提出一个改进的方案。这个过程可以重复多次就像一个追求完美的厨师会不断调整配方直到满意为止。在训练过程中研究团队允许AI进行最多10轮的修正但在实际应用中AI平均只需要3.33轮就能找到满意的解决方案。这种自我修正能力的效果相当显著。在两个主要的编程竞赛数据集上使用了自我修正功能的AI比没有使用的AI表现提升了约6%到8%。更重要的是这种提升是持续稳定的不是偶然的好运气。研究团队还做了一个有趣的分析他们统计了AI在自我修正过程中的表现模式。结果发现AI很少会越改越糟。具体来说如果一个解决方案原本是正确的AI在修正过程中把它改错的概率只有1.2%到5%。相反如果原始方案有问题AI成功修正的概率达到了10%到17%。这说明AI确实学会了有效的问题诊断和解决能力。这种自我修正的过程还体现出了一种类似人类程序员的工作模式。当人类程序员写代码时他们通常不会一次性写出完美的代码而是会写一个初版测试发现问题然后逐步改进。AI现在也学会了这种迭代改进的工作方式。更令人印象深刻的是这种自我修正能力在面对自己生成的代码时表现尤其出色。这就像一个厨师最了解自己的烹饪习惯和可能出现的问题一样。AI能够很好地理解自己代码的逻辑因此也更容易发现和修复问题。四、实验验证从理论到实践的全面检验为了验证这些创新方法的实际效果研究团队设计了一系列全面的实验就像一个新烹饪方法需要在各种不同的菜品和场合下验证其有效性一样。首先研究团队在代码输出预测任务上测试了AI的想象力。他们使用了CruxEval数据集这是一个专门设计来测试AI是否能理解代码执行过程的基准测试。结果相当令人惊喜经过自然语言执行训练的AI其预测准确率从原来的37.5%大幅提升到了68%提升幅度达到了43%。这就像一个原本只有三分之一概率猜对菜品味道的厨师现在能够有近70%的准确率预测菜品的最终口感。更有意思的是研究团队还测试了AI在面对自己生成的代码时的表现。传统观点认为AI很难客观地评估自己的作品就像人们常说当局者迷一样。但实验结果显示经过训练的AI确实能够有效地模拟和预测自己编写的代码的行为。在两个主要的编程竞赛数据集上AI对自己代码的预测准确率分别达到了68.4%和76.5%。接下来研究团队测试了自我验证功能的实际效果。他们让AI为每个编程问题生成20个不同的解决方案然后让AI自己选择最有可能正确的那一个。结果显示这种自选方式比随机选择或简单地选择最短代码的方式表现更好。在某些测试中这种方法将成功率提升了2到8个百分点。研究团队还与真实程序执行进行了对比。他们发现AI的模拟预测与真实执行的效果差距很小这被称为模拟差距。在大多数情况下这个差距只有几个百分点说明AI的想象力已经相当接近现实了。在自我修正功能的测试中结果同样令人鼓舞。使用了自我修正功能的AI在编程竞赛问题上的表现持续优于没有使用该功能的AI。而且当与真实程序执行的反馈进行对比时基于AI模拟的自我修正效果与基于真实执行的修正效果非常接近。研究团队还做了一个特别有意思的测试他们让经过训练的AI来验证其他AI比如更大的模型生成的代码。结果发现这种跨模型验证同样有效。这就像让一个有经验的厨师来品评其他厨师的作品一样专业的眼光往往能发现问题并给出准确的判断。为了确保结果的可靠性研究团队还进行了大量的消融实验。他们逐一移除训练过程中的各个组件观察对最终效果的影响。结果确认自然语言执行训练、强化学习优化和多任务学习等各个组件都对最终效果有重要贡献缺一不可。最后研究团队还测试了这些方法的泛化能力。他们发现在一种编程语言Python上训练的AI其获得的理解和模拟能力能够部分迁移到其他相关任务上。这说明AI学到的不仅仅是特定的代码模式而是更深层次的程序逻辑理解能力。五、深层影响重新定义AI编程的未来这项研究的意义远远超出了单纯的技术改进它实际上为整个AI编程领域开辟了一条全新的道路。就像当年从简单的机械计算器发展到现代计算机一样这种让AI理解程序执行过程的能力可能会带来编程AI的根本性变革。从实用角度来看这种技术的最直接应用是提高编程AI的可靠性。目前即使是最先进的编程AI也经常会生成看似合理但实际错误的代码。这就像一个不太靠谱的厨师做出来的菜看起来不错但味道可能有问题。而具备了执行模拟能力的AI就像给这个厨师配备了敏锐的味觉能够在上菜前就发现问题。这种能力对于软件开发行业的影响将是深远的。在实际的软件项目中调试和修复错误往往占据了开发时间的很大一部分。如果AI能够在编写代码的同时就进行自我检查和修正这将大大提高开发效率。程序员们可能不再需要花费大量时间来测试和调试AI生成的代码而是可以更专注于系统设计和业务逻辑等高层次的工作。从教育角度来看这种技术也有巨大的潜力。当前的编程教育往往面临一个挑战学生写出了代码但不理解代码实际是如何运行的。而能够详细解释执行过程的AI就像一个永远耐心的编程导师能够帮助学生理解每一行代码的作用和影响。学生们可以通过AI的讲解来深入理解程序的工作原理。这项研究还为AI的通用智能发展提供了重要启示。传统的AI往往是输入-输出模式的即给定输入产生输出但对中间过程缺乏理解。而这项研究展示了如何让AI理解和模拟复杂的过程这种能力不仅适用于编程也可能应用到其他需要过程理解的领域。然而研究团队也诚实地指出了当前方法的局限性。首先这种模拟能力在面对复杂的数学计算时仍然有困难。就像一个厨师可能很擅长调味但在精确计算营养成分时可能力不从心。其次目前的方法主要针对单文件的编程问题对于大型软件项目中的复杂交互还需要进一步研究。另一个有趣的发现是这种技术还为代码安全性检查开辟了新的可能性。传统的安全检查往往依赖于静态分析即不运行代码就检查可能的安全问题。而具备执行模拟能力的AI可以在不实际运行代码的情况下预测代码的行为模式从而发现潜在的安全风险。从更宏观的角度来看这项研究代表了AI从模仿向理解的重要转变。早期的AI主要通过模仿大量示例来学习就像一个学生通过背诵大量范文来学写作。而现在的AI开始展现出对过程和逻辑的真正理解就像学生不仅能背诵范文还能理解每个句子的作用和意图。这种转变的意义不仅限于编程领域。它提示我们未来的AI发展方向可能不是简单地增加更多的训练数据或更大的模型而是让AI获得更深层次的理解能力。这种理解能力使得AI不仅能够执行任务还能解释为什么这样执行以及预测不同执行方式会带来什么后果。说到底这项研究最令人兴奋的地方在于它让我们看到了AI向真正智能迈进的可能性。当AI能够理解自己的行为预测行为的后果并根据预测结果调整行为时它就不再是一个简单的工具而是一个真正的智能助手。虽然我们距离通用人工智能还有很长的路要走但这项研究无疑是朝着正确方向迈出的重要一步。对于普通人来说这意味着未来的编程工具将变得更加可靠和智能。无论你是专业程序员还是偶尔需要写些简单脚本的普通用户都能从这种技术中获益。编程可能会变得更像与一个智能助手的对话而不是与一台机器的指令交换。这个智能助手不仅能理解你的需求还能预测并避免可能的问题让编程变得更加直观和高效。QAQ1什么是自然语言执行跟踪技术A自然语言执行跟踪NLEX是一种让AI学会用人类语言描述代码运行过程的技术。就像让AI成为一个会解说的厨师能够详细描述做菜的每个步骤和变化而不只是机械地执行代码。通过这种方式AI不仅学会了运行代码还理解了代码行为的逻辑。Q2AI的自我验证功能如何提升编程准确率AAI会为同一个编程问题生成多个不同的解决方案然后用自己的模拟能力测试每个方案的效果选择表现最好的那个。这就像厨师会想出几种不同做法在脑海中模拟效果后选择最佳方案。这种方法将编程成功率提升了约5.5%大大减少了错误代码的产生。Q3这项技术对普通人学习编程有什么帮助A这种AI就像一个永远耐心的编程导师能够详细解释每行代码是如何运行的会产生什么结果。学习者不再需要盲目地记忆代码模式而是能够真正理解程序的工作原理。AI还能提前发现代码中的问题并提供修改建议让编程学习变得更直观和高效。