强化学习框架提升仓库级代码补全

Zhenlong Dai 等研究者提出一个面向仓库级代码补全的强化学习框架，通过标识符驱动的意图识别捕捉补全意图，并用奖励驱动的补全学习增强跨文件推理，同时引入选择性探索策略，引导模型关注低置信度、高奖励的 token。 研究者在实验中称，该方法显著提升了 Code LLM 的性能。代码与数据集已公开，论文被 EMNLP 2026 接收。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。