★ 3
CoVer：信息增益奖励与多样性剪枝测试协同训练代码生成验证器
研究提出CoVer，一个单策略GRPO框架，同时解决自博弈代码生成中的宽松性崩溃与集中偏差问题。它用信息增益奖励对自生成测试打分，并通过三阶段多样性筛选剔除冗余测试。在五个基准上，CoVer在7B和14B规模分别较Qwen2.5-Instruct提升5.8和7.1个点的pass@1，作为CodeT…
arXiv cs.AI42 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出CoVer，一个单策略GRPO框架，同时解决自博弈代码生成中的宽松性崩溃与集中偏差问题。它用信息增益奖励对自生成测试打分，并通过三阶段多样性筛选剔除冗余测试。在五个基准上，CoVer在7B和14B规模分别较Qwen2.5-Instruct提升5.8和7.1个点的pass@1，作为CodeT…