跳到正文
热点事件持续更新

Option-GRPO 框架优化未见 SDK 代码生成

1 篇报道1 个报道来源13 小时前更新

先了解这件事

AI 综述

Prashank Kadam 提出 Option-GRPO 层级强化学习框架,旨在解决代码 LLM 适配未见 SDK 时产生的冗余代码(AI slop)问题。该框架仅依赖 SDK 源码进行训练,无需人工编写的使用示例或测试用例,同时优化功能正确性与代码优雅度。2026-11-19 报道显示,基于 32B 参数基座模型的实验表明,该框架在 12 个未见 SDK 上达成 61.4% 的 pass@1 准确率。相比 flat GRPO,Option-GRPO 得分高出 8.7 分,生成代码的 API 调用减少 34.7%,代码长度缩短 27%,有效提升了代码简洁性。

AI 根据报道生成 · 11 小时前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月19日
  1. arXiv · NLP
    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 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。

本事件热度走势

可比范围当前
7
可比范围峰值
911月19日 15:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。