跳到正文
arXiv · AI· Pierre Chambon, Kunhao Zheng, Juliette Decugis, Benoit Sagot, Gabriel Synnaeve·· 2026-10-08AI 评分45

基于强化学习的代码优化:DMC-Optim 基准与 GRPO 适配方法

Reinforcement Learning for Code Optimization

AI 导读

针对强化学习中代码优化信号被噪声淹没的问题,研究提出 DMC-Optim 基准及三阶段适配 GRPO 方法。 核心事实:该方法在 DMC-Optim 上提升 Qwen 2.5 7B 的 strict top-50% pass@1 从 18.0% 至 31.3%,CWM 32B 从 30.7% 至 50.4%。

来源:arXiv · AI · arxiv.org