arXiv cs.LG· George Ma, Yuhao Zhang, Bing He, Zeren Shui, Ferhat Erata, Murali Krishna Ramanathan, Somayeh Sojoudi, Hao Zhou·· 19 天前AI 评分46
基于验证器的智能体强化学习实现可证明正确的代码
Verifier-Grounded Agentic RL for Provably Correct Code
AI 导读
研究人员提出一种基于程序验证器的智能体强化学习环境与细粒度奖励机制，通过读取验证器诊断信息计算证明责任比例并结合完整性审计，解决二元奖励与作弊问题。在 1.7B 至 14B 的 Qwen3 及 35B 的 Qwen3.6 MoE 模型上，代码生成的保留验证率在 DafnyBench 上从 66.1% 提升至 93.5%，在 SWE-Proof 上从 56.3% 升至 100%。
来源：arXiv cs.LG · arxiv.org