LEARNING
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
- 发表年份
- 2026
- 访问权限
- 开放获取
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。
关键词
reinforcement learningcode generationlarge language modelsproximal policy optimizationrobotics
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018