跳到主要内容
检索

Jinhao Dong

1 篇关联报道

订阅更新
  1. arXiv

    小米用组内智能体评分重分配优势,让310B与1.02T代码智能体在DeepSWE上分别达到67.9和71.9

    小米提出GAGAR框架,在代码智能体强化学习中用SFT训练的智能体评分器在同一任务组内联合检查通过测试的轨迹并按五个质量维度排序,再以保和方式把优势从低质量解重分配给高质量解,在MiMo-V2.6-Flash(310B总参数)的纯代码实验中DeepSWE v1.1通过率在step 28达到62.2%、比二值奖励基线高12.1个百分点,并在Flash与Pro(1.02T总参数)的工业级混合任务RL后分别取得DeepSWE v1.1 avg@3 67.9和71.9。

已读完全部报道