研究人员开发了新的方法来训练AI模型,使其不仅能生成正确的代码,还能生成高效的代码。一种方法RLPF(来自性能反馈的强化学习)使用分阶段的奖励系统,该系统优先考虑程序的执行进度而非正确性,然后按效率对正确程序进行排名。该方法在应用于Qwen3-32B时,显著提高了正确且可运行解决方案的生成及其相对效率。另一项研究侧重于通过改进代码的测试方式以及速度如何转化为奖励,来克服将强化学习应用于代码优化时遇到的挑战,例如测量噪声和奖励稀疏性。这项工作展示了Qwen 2.5 7B和CWM 32B等模型在代码生成效率方面取得的显著改进,优于标准的强化学习技术。 AI
影响 这些方法可能导致AI模型生成更优化、性能更高的代码,从而降低计算成本并改进软件开发。
排序理由 两篇arXiv论文介绍了用于提高代码生成效率的新型强化学习技术。
在 Hugging Face Daily Papers 阅读 →
- arXiv
- CWM 32B
- DMC-Optim
- GRPO
- Hugging Face
- Qwen 2.5 7B
- RLVR
- EffiBench-X
- Literarisches Colloquium Berlin
- PerfCodeBench
- Qwen3 32B
- RLPF
AI 生成摘要 · Google Gemini · 来自 3 个来源。 我们如何撰写摘要 →