Meta 新论文探讨代码优化的强化学习局限

Meta 发表新论文，指出用强化学习优化代码时简单奖励正确程序的方案通常会失败；代码优化需共同设计测试、计时基础设施、奖励与 GRPO，运行时是嘈杂稀疏信号。