跳到正文
arXiv · ML· George Ma, Yuhao Zhang, Bing He, Zeren Shui, Ferhat Erata, Murali Krishna Ramanathan, Somayeh Sojoudi, Hao Zhou·· 2026-10-15AI 评分32

基于验证器锚定的智能体强化学习实现可证明正确的代码生成

Verifier-Grounded Agentic RL for Provably Correct Code

AI 导读

该研究提出验证器锚定的智能体强化学习奖励机制,使模型在 DafnyBench 上的保留集代码验证准确率从 66.1% 提升至 93.5%。 奖励函数解析验证器诊断而非最终判决,并加入完整性审计防止模型篡改规格或假设待证结论。实验覆盖 Qwen3 1.7B 至 14B 及 35B MoE 模型。 此方法在所有对比训练信号中表现最佳,且在未参与训练的验证套件上同样实现性能提升。

来源:arXiv · ML · arxiv.org