ARBITER：用可验证反馈做代码评判

论文作者发布 ARBITER，一个 35B 混合专家（MoE）智能体验证器，在通用执行沙箱中用强化学习训练。它针对一项新任务：模型仅凭题面和源代码判定并诊断候选程序，用生成的反例作为可核查证据，从而不消耗官方提交次数。作者同时构建了 USACO-JUDGE 基准。

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。