ご指定いただいた条件に基づき、提供された英文を技術的な正確さと学術的な流暢さを維持しつつ、日本語に翻訳いたしました。LLMが生成したtestを用いてLLMが生成したcode候補を選択することは、test自体が誤っている可能性があるため、非常に困難な課題である。既存の手法は、すべてのtestを等しく扱うか、あるいは信頼性の低いtestをフィルタリングするためにアドホックなヒューリスティクスに依存している。しかし、testの正当性を判断するには、どのcodeが正しいかを知る必要があり、そこには循環依存（circular dependency）が生じる。本研究における重要な洞察は、testの正当性を判断する必要は全くないということである。すなわち、「testによる投票は、単なるカウントではなく、ランキング（順序付け）を行うべきである」という点である。重要なのは、どれだけの数のcodeが特定のtestに合格するかではなく、そのtestが正しいcodeと誤ったcodeを識別（distinguish）できるか否かである。我々は、leave-one-out評価を用いることでこの循環依存を打破する。具体的には、一つのtestを保留（hold out）し、残りのすべてのtestにおける集約スコアに基づいてcodeをランキングした上で、保留したtestの合格/不合格のパターンがこのランキングと一致するかどうかを測定する。我々はこの一致度をleave-one-out AUC (LOO-AUC)として定式化し、期待されるLOO-AUCが、正しいcodeと誤ったcodeを分離する各testの能力に比例することを証明する。これに基づき、我々は2つの補完的なバリエーションを持つACES (AUC Consistency Scoring)を提案する。ACES-Cは、平均的なtestの品質に関する緩やかな仮定の下で、期待値においてoracleを近似できることが証明可能な閉形式（closed-form）の重みを提供する。一方、ACES-Oは、この仮定を排除し、微分可能なLOO-AUC目的関数を反復的に最適化する。両手法とも、バイナリのpass行列のみに基づいて動作し、オーバーヘッドは無視できるほど小さく、複数のcode generation benchmarkにおいてState-of-the-artのPass@$k$kを達成している。