CodeLift 提出自适应测试课程强化学习方法

CodeLift 论文作者团队提出一种面向软件工程 Agent 的强化学习方法，通过动态校准测试通过率奖励，将软件测试套件转化为自适应训练课程。该方法根据测试组和补丁组之间的区分能力进行聚类，并提高较少补丁组能够通过的测试组的奖励权重，减少大量简单测试对训练奖励的主导作用。 在 SWE 基准测试中，论文实验显示，CodeLift 的 pass@1、pass@2、pass@4 和 pass@8 均优于二元奖励和通过率奖励基线。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。