arXiv cs.CL· Ziru Chen, Dongdong Chen, Ruinan Jin, Yingbin Liang, Yujia Xie, Huan Sun·· 2 小时前AI 评分29
COBALT：用离线轨迹的上下文赌博机学习实现多轮代码生成
COBALT: Contextual Bandit Learning with Offline Trajectories for Multi-Turn Code Generation
AI 导读
COBALT 提出一种复用离线多轮轨迹训练 LLM 进行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，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完成每个部分轨迹。
来源：arXiv cs.CL · arxiv.org