대규모 언어 모델 (LLM) 기반의 테스트 주도 개발 (TDD)은 자동화된 코드 생성을 발전시켜 왔습니다. 그러나 기존 방식은 사람이 직접 작성한 테스트 케이스에 크게 의존하며, 자연어 요구사항만 있는 경우에는 효과적으로 작동할 수 없습니다. 최근 연구들이 자동 테스트 생성을 가능하게 했음에도 불구하고, LLM의 내재적인 확률성 (stochasticity)을 간과하는 경우가 많아 두 가지 주요 결함이 발생합니다. 즉, 잘못된 테스트가 코드 최적화를 왜곡하는 오해의 소지가 있는 피드백을 생성하며, 품질이 섞인 테스트 케이스가 신뢰할 수 있는 코드 선택을 방해하는 상충되는 평가 신호를 생성한다는 점입니다. 이러한 과제를 해결하기 위해, 우리는 테스트 케이스 품질과 코드 품질의 상호 강화에 기반한 협력적 폐쇄 루프 (closed-loop) TDD 프레임워크인 MineValiCoder를 제안합니다. MineValiCoder는 세 가지 모듈로 구성됩니다. 테스트 케이스 품질 마이닝 (TCQM) 모듈은 자기 검증 (self-validation)을 통해 잘못된 테스트 케이스를 필터링하여 신뢰할 수 있는 최적화 감독을 제공합니다. 병렬 TDD 정제 (Parallel TDD Refinement) 모듈은 검증된 테스트 케이스 피드백을 사용하여 코드를 반복적으로 최적화하고 다양한 고품질 코드 후보를 생성합니다. 이분 그래프 기반 코드-테스트 상호 검증 (BiCoTeV) 모듈은 코드-테스트 상호작용을 동적으로 모델링하고 안정적이고 신뢰할 수 있는 최적 코드 선택을 위한 상호 검증 점수 산출을 수행합니다. 4개의 LLM 및 주요 벤치마크에 대한 광범위한 평가 결과, MineValiCoder는 최신 기술 (state-of-the-art) 방법론들을 크게 능가하는 것으로 나타났습니다. 구체적으로, HumanEval에서 96.34%, MBPP에서 87.40%, APPS에서 64.00%, 그리고 LiveCodeBench에서 51.33%의 Pass@1 점수를 달성했습니다. 이러한 결과는 LLM의 확률성을 완화하고 자동화된 코드 생성의 신뢰성을 향상시키는 데 있어 MineValiCoder의 효과를 입증합니다.