arXiv cs.LG· George Ma, Yuhao Zhang, Bing He, Zeren Shui, Ferhat Erata, Murali Krishna Ramanathan, Somayeh Sojoudi, Hao Zhou·2026-10-15 12:00· 7 小时前AI 评分37

基于验证器的智能体强化学习：让代码生成可证明正确

Verifier-Grounded Agentic RL for Provably Correct Code

AI 导读

研究者提出一种基于验证器诊断信息而非通过/失败判定的智能体强化学习奖励，在 Qwen3 1.7B 至 14B 及 35B Qwen3.6 MoE 模型上，DafnyBench 留出验证通过率从 66.1% 升至 93.5%，SWE-Proof 从 56.3% 升至 100%。

来源：arXiv cs.LG · arxiv.org

Agent 智能体推理能力数据与训练论文研究 #论文/研究 #Agent #推理 #数据/训练