提出Code-A1框架,通过对抗式强化学习协同进化代码大模型(Code LLM)和测试大模型(Test LLM),使二者目标对立(代码模型追求通过更多测试,测试模型追求暴露更多缺陷),结合Mistake Book经验回放与复合奖励机制,在无需人工标注测试集的前提下,实现代码生成性能匹配或超越基于人工测试训练的模型…
机构:浙大
来源:arXiv 2603.15611 | AI4Papers 论文推荐平台