arXiv cs.AI· Jiawen Li, Chenming Ge, Alice Gao, Rishab Vempati, Yi-Hao Peng, Jason Wu·· 11 小时前AI 评分31
RELIEF：利用交互体验与反馈的修订式学习提升代码生成模型
Revision-Based Learning from Interactive Experience and Feedback
AI 导读
RELIEF 是一种利用生成界面的反馈改进代码生成模型的方法：先用编码智能体修订界面，再把改进并入原始生成轨迹以构造微调监督。研究收集了 200 个合成网站、355 段交互录制和 24 位用户的反馈，用代码检查、自动交互、显式人类反馈与人类交互录制四类批评微调两个代码生成模型的变体。结果显示反馈效果随基座模型能力而异，其中从人类交互录制推断的批评在测试模型下带来最大的可用性提升。
正文 · AI 翻译
摘要：代码生成模型越来越多地被用于生成交互式产物，例如网站和用户界面。许多决定这些界面是否有用的属性只有通过真实交互才会显现，因此难以纳入模型训练。本文提出 RELIEF（REvision-based Learning from Interactive Experience and Feedback，基于修订的交互经验与反馈学习），一种利用对生成界面的反馈来改进代码生成模型的方法。RELIEF 使用编码智能体修订这些界面，然后将改进内容并入其原始生成轨迹，从而为微调生成监督信号。为评估 RELIEF，我们收集了一个数据集，包含 200 个合成生成的网站、355 条交互记录以及来自 24 名用户的配套反馈。我们使用源自代码检查、自动交互、显式人工反馈和人工交互记录的评析，对两个代码生成模型的变体进行微调。结果表明，反馈效果随基础模型能力而异；在我们测试的模型下，从人工交互记录中推断出的评析总体上带来了最大的可用性提升。
| 学科： | 人工智能（cs.AI） |
| 引用为： | arXiv:2610.26636 [cs.AI] |
| （或本版本的 arXiv:2610.26636v2 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.26636 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jiawen Li [查看邮箱]
[v1]
2026年10月19日星期一 16:01:17 UTC（6,848 KB）
[v2]
2026年10月20日星期二 16:11:17 UTC（6,775 KB）
来源：arXiv cs.AI · arxiv.org