跳到正文
arXiv · NLP· Prashank Kadam·· 12 小时前AI 评分27

Option-GRPO 层级强化学习框架解决未见 SDK 代码生成中的 AI 冗余问题

Option-GRPO: Hierarchical RL Against AI Slop in Code Generation for Unseen SDKs

AI 导读

Option-GRPO 层级 RL 框架利用 SDK 源码结构优化代码 LLM 适配未见 SDK,在 12 个未见 SDK 上达成 61.4% pass@1 准确率。 基于 32B 参数基座模型实验,该方法比 flat GRPO 高 8.7 分,生成代码 API 调用少 34.7% 且长度短 27%,直接解决 AI slop 问题。

来源:arXiv · NLP · arxiv.org