Reinforcement Learning without Ground-Trut

Reinforcement Learning without Ground-Trut

论文提出RiVER方法，通过在没有已知正确答案的编码问题上执行强化学习来提升LLM的编码行为，在12个AtCoder Heuristic Contest任务上训练，同时提升了基于分数的竞赛表现和通过性编码基准。