提出RiVER框架,通过基于执行反馈的排名诱导与奖励校准机制,在无标准答案的优化任务中训练LLM,有效提升了模型在代码生成与算法工程基准上的性能。
机构:UCSD
来源:arXiv 2606.27369 | AI4Papers 论文推荐平台