ReCode框架通过奖励推理过程来增强AI代码生成

研究人员开发了ReCode，一个新颖的强化学习框架，旨在通过关注推理过程来改进代码生成。该框架使用对比推理过程奖励学习（CRPL）在合成的推理变体上训练奖励模型，并使用一致性门控GRPO（CG-GRPO）来整合这些奖励，同时通过执行结果缓解奖励攻击。ReCode应用于一个7B模型时，比其基础版本提高了16.1%，并在各种基准测试上取得了与GPT-4-Turbo相当的性能。 AI

影响 通过优化推理过程来提高代码生成质量，有望带来更可靠、更高效的AI辅助编码工具。

排序理由 这是一篇详细介绍改进代码生成新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• arXiv
• BigCodeBench
• CG-GRPO
• GPT-4-Turbo
• HumanEval
• LiveCodeBench
• MBPP
• ReCode
• CRPL

• 论文
• 模型发布

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →