StepCoder：从编译器反馈中强化学习以提高代码生成能力

[m0_74120090]

课时名称	课时知识点
StepCoder：从编译器反馈中强化学习以提高代码生成能力	本次演讲将主要讨论使用LLM生成代码的难点挑战，以及如何有效的将强化学习整合到LLM的训练中。利用LLM根据人类需求生成代码不仅考验LLM的推理能力，还能够帮助人类更容易地开发软件，同时有利于未来智能体的发展。当尝试使用强化学习来增强LLM的代码能力时，因为生成代码过于复杂，使得强化学习的探索难以进行，进而导致LLM不能被有效优化。我们提出StepCoder来降低RL在训练过程中的探索难度，从而能够显著提高LLM的代码生成能力。