RLPF：面向代码生成的基于性能反馈的强化学习

英文标题：RLPF: Reinforcement Learning from Performance Feedback for Code Generation

该论文提出 RLPF（Reinforcement Learning from Performance Feedback，基于性能反馈的强化学习），用于改进代码生成模型的训练。作者指出，现有依赖执行反馈的训练通常只关注程序正确性，但对于系统代码而言，通过相同测试的程序在运行时间上可能存在显著差异。RLPF 将性能表现纳入反馈信号，旨在让模型不仅生成正确的代码，也生成运行效率更高的代码。这一方向对编译优化、系统软件开发和高性能代码生成具有潜在意义。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB