Towards Evaluation of Implicit Software World Models in Coding LLMs

这篇论文把 coding LLM 对软件行为的内部理解称为 software world model，并指出现有 code-execution benchmark 主要覆盖 control flow。作者试图构建更宽的评估方向，衡量模型是否理解状态变化、模块依赖和运行时行为，而不只是能写出通过单测的函数。它与 coding agent 直接相关，因为真实软件维护要求模型预测改动在系统里的连锁后果。