热点事件持续更新
COBALT：用离线轨迹的上下文 Bandit 学习做多轮代码生成
1 篇报道1 个报道来源2 小时前 更新
先了解这件事
AI 综述
2026年10月12日，arXiv 软件工程方向发布一项研究，提出 COBALT 方法，用于复用离线多轮轨迹来高效训练大语言模型的多轮代码生成能力。研究基于一个观察：多轮代码生成可被视为一步可恢复的 MDP。方法流程为：先由参考 LLM 收集轨迹，并将其切分为部分轨迹，再让 LLM 通过单步代码生成进行补全。该方法旨在以离线轨迹数据提升多轮代码生成的训练效率。目前公开信息仅包含该论文摘要，未见后续实验结果、代码开源或同行评审进展。
AI 根据报道生成 · 1 小时前更新
最新进展10月12日 12:00
2026-10-12 arXiv 发布 COBALT 方法，提出复用离线多轮轨迹训练 LLM 多轮代码生成。报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- arXiv · Software EngineeringCOBALT：用离线轨迹的上下文 Bandit 学习用于多轮代码生成
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。