ASTOR：多任务代码强化学习框架被NeurIPS 2026接收
热点事件持续更新
ASTOR：多任务代码强化学习框架被NeurIPS 2026接收
1 篇报道1 个报道来源12 小时前更新
先了解这件事
AI 综述
Yujia Chen 等作者提出多任务代码强化学习框架 ASTOR，通过任务效用信号协调数据调度与策略优化。据该工作称，单个模型在四类代码任务上比最佳任务专用模型高 9.0%-9.5%，比最强 MTRL 基线高 7.5%-12.8%。 ASTOR 包含两个模块：分层效用路由数据调度按训练预算优先分配高信息量提示词；自适应效用校准策略优化动态缩放各任务的 KL 正则强度。该工作已被 NeurIPS 2026 接收。
AI 根据报道生成 · 2 小时前更新
最新进展10月31日 12:00
ASTOR：基于效用驱动协调的多任务代码强化学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月31日
- arXiv cs.AIASTOR：基于效用驱动协调的多任务代码强化学习框架
ASTOR 是一个多任务代码强化学习框架，通过任务效用信号协调数据调度与策略优化，让单个模型在四类代码任务上全面优于最佳任务专用模型 9.0%-9.5%，并超过最强 MTRL 基线 7.5%-12.8%。其分层效用路由数据调度模块按训练预算优先分配高信息量提示词，自适应效用校准策略优化模块则动态缩放各任务的 KL 正则强度。该工作已被 NeurIPS 2026 接收。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 810月31日 22:00
- 近 24 小时变化
- –
02468
22:0023:0011月1日
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。