跳到正文
我的
热点事件持续更新

Fallarad 发布 unique-code-rl 训练仓库

1 篇报道1 个报道来源21 小时前更新

先了解这件事

AI 综述

Fallarad 发布开源仓库 unique-code-rl，用 GRPO 强化学习训练 LLM 生成结构独特的代码：奖励新代码结构，惩罚复制同批次其他回答的结构。项目称，基于 Qwen3-4B（4-bit 量化）在 8 GB VRAM 的 RTX 5070 Laptop 上训练 1000 步后，每任务平均独特代码结构数从 1.0 升至 1.4，33% 的任务产出 2 到 5 种结构不同的解法，模型还自发将除数查找优化到 sqrt(n) 并使用 math.isqrt(n)。 仓库配套 AST 与 fuzz 测试的 evaluator.py 防作弊，mbpp 数据集约 956 个任务，首次运行时自动下载；RTX 50 系列需安装支持 CUDA 13.0 的 PyTorch。

AI 根据报道生成 · 20 小时前更新

最新进展11月6日 21:27
Fallarad/unique-code-rl：用 GRPO 强化学习训练 LLM 生成结构独特的代码

报道时间线

沿着报道，了解事件的不同侧面。

11月6日
  1. GitHub · 3D 生成新仓库
    Fallarad/unique-code-rl：用 GRPO 强化学习训练 LLM 生成结构独特的代码

    Fallarad/unique-code-rl 项目用 GRPO 强化学习训练 LLM 生成结构独特的代码，奖励新代码结构、惩罚复制同批次其他回答的结构。基于 Qwen3-4B（4-bit 量化）在 8 GB VRAM 的 RTX 5070 Laptop 上训练 1000 步后，每任务平均独特代码结构数从 1.0 升至 1.4，33% 的任务产出 2 到 5 种结构不同的解法，模型还自发将除数查找优化到 sqrt(n) 并使用 math.isqrt(n)。项目配套 AST 与 fuzz 测试的 evaluator.py 防作弊，mbpp 数据集约 956 个任务。

本事件热度走势

可比范围当前
6
可比范围峰值
1011月6日 22:00
近 24 小时变化
–

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。