面向领域自适应的密集奖励强化学习代码生成方法

Erfan Aghadavoodi Jolfaei, Daniel Maninger, Abhinav Anand, Mert Tiftikci, Mira Mezini

2026

摘要

提出了一种基于近端策略优化的强化学习框架，用于微调预训练的大语言模型，使其生成的代码满足语法、功能正确性、安全性及领域特定约束。在通用代码生成和机器人程序合成任务上，该方法显著提升了功能正确性和模拟器可执行性。

reinforcement learningcode generationlarge language modelsproximal policy optimizationrobotics

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

MANIPULATION

📊 0 引用

Yong Tao, Donghua Tan, Fan Ren 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026