arXiv 自然语言处理· Jinhao Dong, Liang Zhao, Zihao Yue, Wenhan Ma, Linghao Zhang, Lei Li, Shicheng Li, Yifan Song, Bowen Ye, Fuli Luo·· 1 天前AI 评分38
GAGAR：用于代码智能体强化学习的分组 Agentic 评分与优势重分配
Groupwise Agentic Grading and Advantage Redistribution for Code Agent RL
AI 导读
研究人员提出 GAGAR 框架，利用 SFT 训练的智能体评分器对测试通过轨迹联合排序并重分配优势值，解决代码智能体强化学习中二元奖励忽略代码质量与任务契合度的问题。在 310B 的 MiMo-V2.6-Flash 与 1.02T 的 MiMo-V2.6-Pro 上实验表明，该方法有效提升了代码性能、减缓了轨迹长度增长并提高了训练稳定性。
来源：arXiv 自然语言处理 · arxiv.org