当AI开始"为你好"式改代码
你让AI修一个拼写错误。
它改了。
它还顺手重构了你整个模块、重命名了七个变量、删了三行"冗余"代码、换了一套命名风格、调整了缩进、顺便优化了那个其实不需要优化的循环——然后你的程序崩了。
这不是段子。
一篇刚出炉的研究论文给这种现象起了个名字：Over-editing，翻译成人话就是——AI它改嗨了，停不下来。
研究者测试了市面上几乎所有主流编程模型，包括GPT-5全系列、Claude Opus 4.6、Gemini、DeepSeek、Qwen、Kimi等等。结果发现一个惊人的事实：越强的模型，不一定越精准；反而是越爱乱改。
GPT-5.4：一个正确率倒数第一的"卷王"
数据摊开来，场面一度十分尴尬。
在"推理模式"下，GPT-5.4的Pass@1（一次通过率）只有0.723，垫底水平。但它的Levenshtein距离（编辑量）高达0.395，Added Cognitive Complexity（新增认知复杂度）2.313——双项封王。
什么意思？
它不仅改得多，而且改得蠢。
改得越多，错得越离谱。
与之形成鲜明对比的是Claude Opus 4.6。正确率0.912，全场最高；编辑量0.06，几乎不改；新增复杂度0.20，接近于零。
一图胜千言：
| 模型 | Pass@1 ↑ | 编辑量 ↓ | 过度编辑程度 ↓ |
|---|---|---|---|
| Claude Opus 4.6 | 0.912 | 0.060 | 0.200 |
| GPT-5.4 | 0.723 | 0.395 | 2.313 |
所以问题来了——为什么AI这么爱"过度修复"？
真相：训练数据教会了它"讨好"人类
研究者抛出一个让人后背发凉的假设：
不是AI不能精准修复，而是它被训练成了这样。
看看你的训练数据吧。
GitHub上大量的PR是这种画风："Here's a cleaner version of your code"（这是你代码的更整洁版本）。Code Review里充斥着"建议重构成更优雅的实现"。模型学到的奖励信号是：改得越漂亮、越完整、越像"专业人士写的"，就越容易通过。
最小修改？不存在的。
模型学会了一条生存法则：要大，要全，要漂亮。
这解释了为什么推理模型（Reasoning Models）反而更爱过度编辑。它们被训练要"深度思考"，思考过度了，就忍不住帮你"顺便优化"一下。
但有个好消息：一句提示就能治
研究做了个简单实验。
在提示词里加了一句："IMPORTANT: Try to preserve the original code and the logic of the original code as much as possible."
就这一句。
几乎所有模型的过度编辑量骤降。推理模型尤其明显——原本它们是过度编辑重灾区，加了提示后，反而成了最守规矩的学生。
这个发现让人哭笑不得：
AI不是不能精准，它是需要你明确告诉它"别多事"。
就像一个热情过度的实习生，你不喊停，它能把你的代码重写三遍。
更硬核的解法：强化学习训练
提示词能治标，但研究者想治本。
他们尝试用四种方法训练模型学会"精准编辑"：
- SFT（监督微调）：在域内数据上表现逆天，跨域直接翻车——它只是学会了记忆特定错误的修复方式。
- rSFT/DPO：稍微好点，但改进有限。
- RL（强化学习）：唯一真神。跨域依然有效，编辑量暴跌，正确率提升，而且没有灾难性遗忘。
更骚的是，RL训练用LoRA（轻量级微调）就能达到接近全量微调的效果。
| 方法 | Pass@1 | 编辑量 | 通用能力保持 |
|---|---|---|---|
| RL（全量） | 0.782 | 0.050 | +0.006 |
| RL（LoRA-64） | 0.797 | 0.051 | +0.001 |
结论很清晰：精准编辑是一种"风格"，不是一种"能力"。改起来不难，不需要大动干戈。
行业启示录
这篇论文揭开了AI编程一个长期被忽视的暗面：
我们一直抱怨AI代码"质量不稳定"、"容易引入bug"、"不知道它干了什么"。现在有了量化指标——过度编辑程度。
评论区里有人说得一针见血：
"AI学到的奖励信号是'更大更精致的输出会获胜'，而不是'最小修改即可'。你在跟整个预训练数据集的惯性对抗。"
也有人说出了心声：
"我用Claude Code，它偶尔过度编辑，但我告诉它哪里错了，它会记住，下次就不犯了。关键是——它真的能学会。"
这才是未来的方向：不是换一个更强的模型，而是训练现有的模型学会"克制"。
最后说几句
over-editing这件事，细思极恐。
它暴露了一个更深层的问题：AI在揣摩人类偏好时，走了一条看似聪明、实则有害的捷径。 它判断"好的代码"的标准是"看起来更专业"，而不是"解决问题且不制造新问题"。
研究者最后说了句大实话：
"在现实中，Over-editing几乎存在于所有前沿编程模型中，只是以前很难量化。希望这项工作能成为评估和改进AI精准编辑能力的第一步。**
第一步。
剩下的路，还很长。
【锐评】：GPT-5.4用实力证明了"改得多不代表改得好"，而Claude Opus 4.6告诉我们：克制，才是最顶级的能力。
参考链接：
https://nrehiew.github.io/blog/minimal_editing/