arXiv · AI· Yujia Chen, Yang Ye, Xiao Chu, Yuchi Ma, Cuiyun Gao·2026-10-30 12:00· 9 小时前AI 评分21

ASTOR：通过效用驱动协调实现多任务代码强化学习

ASTOR: Multi-Task Code Reinforcement Learning via Utility-Driven Coordination

AI 导读

ASTOR 框架提出基于任务效用的多任务代码强化学习方法，通过效用路由数据调度和自适应策略优化提升 LLM 训练效果。实验表明，ASTOR 在四个编码任务上超越最佳单任务专家 9.0%-9.5%，优于最强 MTRL 基线 7.5%-12.8%。

来源：arXiv · AI · arxiv.org