critic-free-rl

深度分析

程式碼生成強化學習：單元測試通過率與二元回饋比較

本文改寫自 arXiv 研究，檢視以單元測試通過率（pass-rate）作為強化學習（RL）報酬，取代傳統的二元「全通/不全通」回饋。