三篇论文揭示 LLM 难做代码复杂度优化,RL 训练找到突破口
TimDarcet · x · 2026-09-30
Meta 研究人员 Pierre Chambon、Gabriel Synnaeve 等总结其系列三篇论文,系统研究 LLM 在代码时间/空间复杂度优化上的短板与改进路径:
- BigO(Bench)(arXiv:2503.15242):新基准,含 3,105 道竞赛编程题与约 119 万个解,用 profiling 自动标注时间/空间复杂度标签。评测发现推理模型生成代码强,但对复杂度的理解并不突出,提示其难以泛化到训练时无奖励的任务。
- 第二篇:证明对代码优化做 RL 很难,且能力「嵌入在权重空间」中。
- 第三篇:在难的基础上找到了让 RL 生效的方法。
这一系列工作指出了当前推理模型在算法复杂度控制上的真实短板,并给出了可行的 RL 训练路线。
「研究」频道最新
- Mobile AI Factory:agent 自动为你的手机造专用小模型,GPU 时间省 19 倍 — pmttyji · 2026-11-16
- UC Berkeley 论文揭示 LLM「过期绑定」:新值在上下文中仍答旧值 — ombre-ai · 2026-11-16
- LatamGPT 开源 1.78 亿篇拉美多语言语料登陆 Hugging Face — OmarUFlorez · 2026-11-16
- TotalSegmentator 在常规胸 CT 中量出 42mm 扩张主动脉 — MaziyarPanahi · 2026-11-16
- Tivadar Danka 发布 4000 字图解机器学习所需图论长文 — TivadarDanka · 2026-11-16
- METR 任务时长曲线更新:Opus 4.5 后倍增周期缩至 1.7 个月 — ben_j_todd · 2026-11-16