Skip to content
Hot eventLive

COBALT：用离线轨迹的上下文 Bandit 学习做多轮代码生成

1 reports1 sources2 hr ago updated

Get the story

AI overview

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。

Generated from reports · updated 2 hr ago

LatestOct 12
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。

Timeline

Follow the coverage from different angles.

Oct 12, 2026
  1. arXiv · Software Engineering
    COBALT：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。

Heat trend

There is not enough continuous observation data to draw a trend yet.