arXiv · NLP· Jack Wei Lun Shi, Minghao Dang, Wawan Solihin, Justin K. W. Yeoh·· 9 小时前AI 评分25
P4IR框架：通过强化学习提升大语言模型自动化代码合规系统准确率
Reinforcement learning to improve large language model-based automated code compliance systems
AI 导读
该研究提出P4IR两阶段框架，结合SFT与GRPO提升LLM生成规则准确性，最终相对SFT基线使树编辑距离减少21.3%、token级Levenshtein距离减少41.0%。 GRPO阶段显著降低误报率；该两阶段范式可提升LLM自动生成合规规则的可靠性，推动代码合规自动化的精度与可靠性提升。
来源：arXiv · NLP · arxiv.org