返回搜索
档案
一种面向代码智能体的学习训练方法和相关设备
发明专利未知
10权利要求 · 5 独立
§ Ⅰ
卷宗概要
发明人
王子涵; 王超; 宋双永; 李永翔
申请日
Aug 7, 2026
公开日
Oct 16, 2026
IPC 分类
G06N 3/092 (2023.01)G06N 3/09 (2023.01)G06F 21/53 (2013.01)G06F 40/194 (2020.01)G06F 18/22 (2023.01)G06F 8/33 (2018.01)
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。
登录后阅读全文
已显示权利要求 1。免费注册即可阅读全部 10 项权利要求、说明书全文、全部附图、翻译和法律状态。
- 全部权利要求
- 技术领域
- 背景技术
- 发明内容
- 附图说明
- 具体实施方式