实测基于 IRL 的评测采样法可省 20-70% 算力

有开发者在约 40 万条代码轨迹上实测了一种基于逆向强化学习（IRL）的新评测采样方法，验证显示该方法确实有效，可节省 20-70% 的算力成本。作者建议不要直接使用论文原实现，而是提取核心部分自行复用。适用场景方面，该方法要求数据形状符合论文描述：评测任务需达数百个，且每个任务多次运行（建议 8-32 次），适合计算 avg@8 或 avg@16 等指标。

2026-08-28 ~ 2026-08-28 · 2 条相关