热点事件持续更新

COBALT：用离线轨迹训练多轮代码生成

1 篇报道1 个报道来源9 小时前更新

先了解这件事

AI 综述

Ziru Chen 等作者提出 COBALT，一种复用离线多轮轨迹来训练大语言模型完成多轮代码生成的方法。该方法基于“多轮代码生成是一步可恢复马尔可夫决策过程”的观察：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。作者称这能高效训练模型完成多轮代码生成。

AI 根据报道生成 · 9 小时前更新

最新进展10月12日 12:00

沿着报道，了解事件的不同侧面。

10月12日

12:00
arXiv cs.SE
COBALT：用离线轨迹的上下文赌博机学习训练多轮代码生成
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。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。