arXiv cs.SE· Ziru Chen, Dongdong Chen, Ruinan Jin, Yingbin Liang, Yujia Xie, Huan Sun·· 9 小时前AI 评分42
COBALT：用离线轨迹的上下文赌博机学习训练多轮代码生成
COBALT: Contextual Bandit Learning with Offline Trajectories for Multi-Turn Code Generation
AI 导读
论文提出 COBALT，一种复用离线多轮轨迹来训练 LLM 完成多轮代码生成的方法。基于多轮代码生成是一步可恢复马尔可夫决策过程的观察，COBALT 先用参考 LLM 收集轨迹并切分为部分轨迹，再通过单步代码生成训练模型补全。
来源：arXiv cs.SE · arxiv.org