CodeLift：用测试套件做密集奖励的强化学习
热点事件持续更新
CodeLift：用测试套件做密集奖励的强化学习
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Junjielong Xu 等作者提出 CodeLift，一种把软件测试套件改造成自适应课程、动态校准通过率奖励的强化学习方法。它按“杀死相同补丁的测试”分组、按“通过相同测试的补丁”分组，给只有更少补丁组能通过的测试组更高权重，以削弱大量简单测试的影响；在单次 rollout 内，它还对仓库快照应用同一评分规则，为有用动作记分。 作者称，在 SWE 基准实验中，CodeLift 在 pass@1/2/4/8 上稳定优于二元奖励和通过率基线。
AI 根据报道生成 · 2 小时前更新
最新进展11月2日 13:00
CodeLift：把测试套件变成密集 SWE 课程表的强化学习方法报道时间线
沿着报道，了解事件的不同侧面。
11月2日
- arXiv cs.SECodeLift：把测试套件变成密集 SWE 课程表的强化学习方法
CodeLift 是一种强化学习方法，通过动态校准通过率奖励，把测试套件变成自适应课程。它按杀死相同补丁的测试分组、按通过相同测试的补丁分组，对更少补丁组通过的测试组赋予更高权重，以削弱大量简单测试的影响；在单次 rollout 内还对仓库快照应用同一评分规则，为有用动作记分。SWE 基准实验显示，CodeLift 在 pass@1/2/4/8 上稳定优于二元奖励和通过率基线。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。