合成数据提升编译生成效果
salykova_ · x · 2026-07-15
作者分享了与 Stanford ScalingIntelLab 合作的博客，介绍一个面向 HIP kernel 生成的训练项目。 ### 方法 - 使用大规模合成数据 - 采用多智能体流水线 - 结合 SFT 和 GRPO 训练 ### 结果 - 14B 模型在编译任务上最高提升 75% - 正确率最高提升 54% 这是一条偏研究/工程实践的进展，核心信息是：合成数据 + 多智能体 + 强化学习式微调，能显著提升特定代码生成任务表现。
所属事件:研究利用强化学习提升 AMD GPU 内核生成(2 条相关)→
「研究」频道最新
- DiFA 让扩散模型推理对齐前向统计，生成质量更高 — cn-scut · 2026-07-21
- 微软研究院把 LLM Judge 变 Coach，优于 rubric RL — MicrosoftResearch · 2026-07-21
- OpenLongTail 用生成视角补齐长尾自动驾驶数据 — TexasAMUniversity · 2026-07-21
- GEPO 用组熵改造 GRPO，在 13 项基准上更稳更强 — internlm · 2026-07-21
- 阿里 RynnBrain 1.1 把具身基础模型扩到 122B-A10B — Alibaba-DAMO-Academy · 2026-07-21
- Apple 提出无需真实环境的 API 智能体合成数据方法 — _akhaliq · 2026-07-21