11:28
官方账号arXiv cs.LG@Pierre Chambon, Kunhao Zheng, Juliette Decugis, Benoit Sagot, Gabriel Synnaeve
推荐理由：一篇教你用强化学习优化代码执行速度的论文，针对测量噪声和奖励稀疏问题设计了DMC-Optim基准和三阶段方法，让Qwen 2.5 7B的pass@1从18%提到31%，CWM 32B提到50%。
DMC-Optim
共 1 条相关 AI 资讯
7月29日
11:28
论文提出DMC-Optim基准，用于评估代码优化RL。通过三阶段方法解决测量噪声和奖励稀疏问题：构建校准沙箱测试，组合正确性与速度奖励，并适配GRPO到稀疏场景。在DMC-Optim上，Qwen 2.5 7B的top-50% pass@1从18.0%提升至31.3%，CWM 32B从30.7%提升至50.4%。top-30%时CWM 32B相对提升125%，且保持纯正确性分数不变。在LCB上，CWM 32B赢得83%的中位数样本速度对比。