arXiv · cs.AI· Pierre Chambon, Kunhao Zheng, Juliette Decugis, Benoit Sagot, Gabriel Synnaeve·· 1 天前
强化学习用于代码优化：DMC-Optim提升Qwen 2.5 7B与CWM 32B的优化通过率
Reinforcement Learning for Code Optimization
arXiv:2607.25970v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Pierre Chambon, Kunhao Zheng, Juliette Decugis, Benoit Sagot, Gabriel Synnaeve
研究任务与主要进展
该论文提出DMC-Optim三阶段代码优化强化学习方法，通过大规模优化测试与校准沙盒、将正确性和速度组合为奖励，并适配GRPO以处理稀疏且有噪声的计时执行。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org