StepCoder улучшает генерацию кода

StepCoder - новая среда для обучения генерации кода с помощью обучения с подкреплением.
Авторы упрощают задачи исследования для снижения сложности сред с разреженным вознаграждением.
Набор данных APPS+:
https://github.com/Ablustrund/APPS_Plus

Основная цель - улучшение генерации кода на базе обратной связи от компилятора.

#StepCoder #RL