arXiv · Software Engineering· Ziru Chen, Dongdong Chen, Ruinan Jin, Yingbin Liang, Yujia Xie, Huan Sun·· 3 hr agoAI score36
COBALT：用离线轨迹的上下文 Bandit 学习用于多轮代码生成
COBALT: Contextual Bandit Learning with Offline Trajectories for Multi-Turn Code Generation
AI brief
COBALT 是一种复用离线多轮轨迹来高效训练 LLM 多轮代码生成的方法，基于多轮代码生成是一步可恢复 MDP 的观察，先用参考 LLM 收集轨迹并切分为部分轨迹，再让 LLM 通过单步代码生成补全。
Source: arXiv · Software Engineering · arxiv.org