arXiv 机器学习· George Ma, Yuhao Zhang, Bing He, Zeren Shui, Ferhat Erata, Murali Krishna Ramanathan, Somayeh Sojoudi, Hao Zhou·· 8 小时前AI 评分47
基于验证器落地的智能体强化学习实现可证明正确代码
Verifier-Grounded Agentic RL for Provably Correct Code
AI 导读
研究人员构建了基于程序验证器诊断信息的多轮智能体强化学习环境与细粒度奖励机制，用于生成可证明正确的代码。该方法引入完整性审计防止模型作弊，在 Qwen3（1.7B 至 14B）及 35B 的 Qwen3.6 MoE 模型上，使 DafnyBench 留存验证率从 66.1% 提升至 93.5%，SWE-Proof 从 56.3% 提升至 100%。
来源：arXiv 机器学习 · arxiv.org