№ CN122927419A발명
알 수 없음一种面向代码智能体的学习训练方法和相关设备
本申请实施例提供了一种面向代码智能体的学习训练方法和相关设备,属于人工智能技术领域。该方法包括:构造训练样本;对训练样本的步骤位置难度和预测跨度难度进行加权组合得到联合难度函数;基于初始温度和当前训练步数确定当前温度,基于当前温度确定训练样本的训练阶段;线性融合文本相似度奖励与功能等价性奖励形成多步前瞻混合奖励;基于组相对策略优化,采用训练样本的训练阶段和多步前瞻混合奖励更新大语言模型;将当前训练步数加一,迭代大语言模型得到训练完成的大语言模型,训练完成的大语言模型用于部署至代码智能体。本申请实施例能够提升代码智能体强化学习训练的信号质量、学习训练效率与数据利用率。
❖中电信人工智能科技(北京)有限公司王子涵; 王超; 宋双永; 李永翔Oct 16, 2026§ 5/10 청구항G06N 3/092 (2023.01), G06N 3/09 (2023.01), G06F 21/53 (2013.01) +3