DecompRL: 用强化学习学习模块化代码生成，解决更难的编程问题
这篇论文教你用强化学习把难题拆成小模块再拼起来，Qwen和Code World Model上测试比传统RL省50倍算力，还能解原本解不出的题。
#DecompRL
共 1 条 · 7 天 0 条 · 30 天 0 条
信息流里打上「DecompRL」标签的资讯、产品与论文，按刊登时间排，新的在上。
7月3日
这篇论文教你用强化学习把难题拆成小模块再拼起来，Qwen和Code World Model上测试比传统RL省50倍算力，还能解原本解不出的题。