arXiv · AI· Ornith Team, Xiaoya Li, Guoyin Wang, Songqiao Su, Jiwei Li, Chris Shum·· 7 天前精选AI 评分80
GrandCode:通过智能体强化学习在竞技编程中达到特级大师水平
GrandCode: Achieving Grandmaster Level in Competitive Programming via Agentic Reinforcement Learning
AI 导读
GrandCode 是一套多智能体强化学习系统,在 2026 年 3 月的 Codeforces Round 1087、1088 和 1089 三场正式比赛中均排名第一,击败所有人类选手。该系统通过联合训练多个智能体模块(如假设生成、求解器、测试生成和总结)进行在线推理时强化学习,并引入了专为多阶段智能体轨迹设计的 Agentic GRPO 算法来处理延迟奖励和离策略漂移。
推荐理由
原文提出了针对多智能体延迟奖励的 Agentic GRPO 方法,并展示了系统在三场 Codeforces 比赛中全部夺冠的实测结果。
来源:arXiv · AI · arxiv.org